Spatial Analysis of Prediabetes and Associated Risk Factor Prevalence Among Late Adolescents in San Luis Potosí, México
Notice bibliographique
Résumé
Introduction The prevalence of prediabetes is increasing worldwide. However, the determinants that contribute to its onset in young individuals remain poorly understood. An essential aspect of directing control and preventive initiatives is comprehending the geographical distribution of these disorders and pinpointing regions with a high prevalence. Objective The objective of this study was to determine the spatial distribution of prediabetes and associated risk factor prevalence among late adolescents in the metropolitan area of San Luis Potosí (MASLP), México, during the years 2008, 2009, and 2010. Methods This was a cross-sectional study that included 15,672 participants between the ages of 18 and 21 years. We made a cartographic overlay of the body mass index (BMI), systolic blood pressure (BP), diastolic BP, and impaired fasting glucose (IFG) using a 2010 marginalization index. Results The prevalence of prediabetes was 5.5%, whereas the prevalence of overweight and obesity remained stable for three years. However, in 2010, the prevalence of both diastolic BP and prediabetes increased. Spatial analysis revealed that the urban basic geostatistical area (Area Geo-Estadística Básica (AGEB)), with 11-20 participants with prediabetes, was mainly concentrated in the areas of medium and low marginalization throughout all years. Conclusion We found a yearly increase in prediabetes prevalence and increased diastolic BP. Prediabetes varies across the region. MASLP has statistically detected significant high hot spots in prediabetes. The findings of this study are valuable for directing resource distribution and highlighting intervention programs that target modifiable prediabetes predictors. To improve health coverage, it is necessary to consider different local realities.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».