Assessing the Risks and Cultural Relativity of Diabetes in Black Individuals of African Caribbean Ancestry (ACB) Aged 18–39 Years in Toronto
Notice bibliographique
Résumé
Context: Diabetes rates are high in Black and some other ethnic communities, often leading to more severe complications. We conducted a study to identify the prevalence and risk of diabetes among African Caribbean Black (ACB) individuals aged 18–39 and to assess the sensitivity of glycated hemoglobin (HbA1c) compared to an oral glucose tolerance test (OGTT) to diagnose diabetes. Methods: In this mixed-methods study, maximum variation sampling was used to recruit 272 ACB participants from fourteen African and five Caribbean countries from Toronto. Participants’ height, weight, waist circumference, HbA1c, OGTT, demographic, and behavioural data were collected. SPSS was used to analyze the quantitative data. This study used descriptive statistics for frequency distribution and cross-tabulation while inferential statistics (regression, ANOVA, factor analysis, etc.) were used for relational analysis. Because of the small sample size, qualitative data were analyzed manually using the charting technique. Results: This study found that 1.5% of participants had diabetes, 9.2% had prediabetes, and 44.9% were at risk of developing diabetes. The mean value of HbA1c, FBS, and 2hPG was 5.5%, 4.8 mmol/L, and 5.7 mmol/L, respectively. The mean BMI was 28.2 kg/m2, and the waist circumference was 85.8 cm. This study found a correlation between glucose intolerance and increasing body mass index (BMI) and waist circumference (WC). Dietary habits, physical inactivity, and mental health challenges were risk factors among the participants. HbA1c was found to be a more sensitive and culturally acceptable screening measure than OGTT in diagnosing diabetes. Conclusions: ACB individuals are at high risk of having diabetes, requiring culturally tailored peer-based health promotion strategies to reduce diabetes prevalence and risk. HbA1c is a culturally acceptable and statistically more capable measure than OGTT in identifying individuals with prediabetes. Further longitudinal research is needed.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».