Prevalence of diabetes and prediabetes in South Asian countries: a systematic review and meta-analysis
Notice bibliographique
Résumé
South Asia is observing an epidemiological transition from communicable to non-communicable diseases where diabetes is an important marker. In this study, we estimate the overall prevalence of diabetes and prediabetes in South Asian countries. A systematic literature review and meta-analysis is performed to estimate the prevalence of diabetes and prediabetes in Bangladesh, India, Nepal, Pakistan, Sri Lanka, Bhutan, the Maldives, and Afghanistan using studies based on only the nationally representative surveys and published from 2012 until June 2024. The quality of the included articles was assessed using the Newcastle–Ottawa Scale. Both random-effect (Der Simonian-Laird inverse variance) and fixed-effect models were used to perform meta-analyses followed by meta-regression. We identified 64 studies for diabetes and 14 studies for prediabetes, covering a total of 4,613,487 and 156,407 participants, respectively. Overall, the pooled prevalence of diabetes and prediabetes was 8.56% (95% CI 5.73–11.91; I2 = 99.99%) and 18.99% (95% CI 12.74–26.6; I2 = 99.87%), respectively, with high heterogeneity observed among the studies based on random-effect models. We also found that the prevalence of diabetes identified by clinical methods was higher than the self-reported measures. The analyses revealed that the prevalence of diabetes and prediabetes in South Asia throughout the study period is significantly elevated. This necessitates the establishment of comprehensive guidelines for South Asians to mitigate the escalating prevalence of diabetes and prediabetes.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».