Predictors of Blood Lipid and Renal Function Screening among Adults in a Peri-Urban Community in Ghana: A Combined Logistic and Dominance Analysis Approach
Notice bibliographique
Résumé
Objective: Despite the critical role of screening in reducing the burden of non-communicable diseases (NCDs), its uptake remains low, particularly in peri-urban settings. This study aimed to identify and rank predictors of screening behaviors for blood lipid/cholesterol and renal function in a peri-urban community in Ghana. Methods: Secondary cross-sectional data from 136 adults aged 18–60, collected in January 2023, were analyzed. Associations and relative importance were examined using bootstrapped logistic regression and dominance analysis models. Results: Multivariate logistic regression analysis identified age (35-60 years) (aOR:7.6, 95% CI: 1.2–50.6) and employment status (aOR:4.4, 95% CI: 1.1–17.6) as significant predictors of renal screening. For blood lipid screening, significant predictors included body mass index (BMI) screening (aOR:3.6, 95% CI: 1.4–9.1) and diploma-level education (aOR:5.4, 95% CI: 1.3–21.8). Dominance analysis, which assesses the relative importance of predictors, revealed that age, blood glucose screening, and employment were the most important predictors for renal screening. In contrast, BMI and a history of raised blood pressure were the leading predictors for blood lipid screening. Conclusions: These findings highlight the need for targeted health promotion strategies that integrate comprehensive screening packages within broader health services, addressing the specific needs of various educational and occupational groups. Enhanced public health interventions could improve screening rates and contribute to better management of NCDs in peri-urban settings.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».