Sex Difference and Socioeconomic Inequity in Chinese People With Hypertension: National Cross-Sectional Survey Study
Notice bibliographique
Résumé
BACKGROUND: Sex differences in blood pressure (BP) levels and hypertension are important and the role of socioeconomic status (SES) in sex differences of hypertension remains unclear. OBJECTIVE: We aimed to evaluate the impact of SES on sex differences of hypertension in a nationally representative survey study. METHODS: A total of 98,658 participants aged ≥18 years who have lived in their current residence for ≥6 months were recruited from 162 study sites across mainland China. Sex was self-reported. Individual-level SES included the highest level of education and annual household income. Area-level SES included economic development status, urban/rural residency, and north/south location. Outcomes included levels of systolic and diastolic BP, and hypertension. Linear and Cox regression models were used to examine the associations between sex (women vs. men) and BP characteristics stratified by individual or combined SES indicators. RESULTS: Systolic and diastolic BP levels and prevalence of hypertension were higher in men than women. This sex difference was found across categories of SES with widened sex disparities in participants having more favorable SES. Significant multiplicative interaction effects of SES on the association of sex with BP characteristics were found. Women with improving SES were associated with lower BP and hypertension prevalence compared with men. For combined SES, a 9% (prevalence ratio (PR)=0.91, 95% confidence interval (CI)=0.83, 0.98) and a 30% lower probability (PR=0.70, 95% CI=0.63, 0.78) of having hypertension were found in women with an overall intermediate SES and high SES, respectively compare with low SES while no significant reduction was found in men. CONCLUSIONS: There are significant sex differences in BP characteristics and SES has a potent impact on the disparities. Sex-specific public health policies to alleviate socioeconomic inequalities, especially in women are important for the prevention of hypertension.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».