Hyperlipidemia risk factors among middle-aged population in the United States
Notice bibliographique
Résumé
Hyperlipidemia, a major risk factor for cardiovascular disease, disproportionately affects racial and ethnic minority populations. This cross-sectional study examined the prevalence and risk factors for hyperlipidemia among middle-aged adults in the United States using data from the fifth wave of the Adolescent to Adult Health Study (Add Health). The study analyzed merged sociodemographic and biomarker data (N = 4,196) using descriptive statistics and binary logistic regression. The mean age was 37.14 years (SD = ±1.99), with a slightly higher proportion of males (50.38%). The overall prevalence of hyperlipidemia was 16.26%, with higher rates observed in males (20.1%) compared to females. Notably, Asian individuals had significantly higher odds of hyperlipidemia (OR = 2.70, 95% CI: 1.28-5.65), whereas Black/African Americans had a significantly lower risk (OR = 0.57, 95% CI: 0.34-0.94) compared to Whites. Chronic health conditions, including hypertension (OR = 2.46, 95% CI: 1.72-3.52) and diabetes (OR = 4.95, 95% CI: 3.08-7.97), were strong predictors of hyperlipidemia. Additionally, individuals with higher income levels had increased odds of hyperlipidemia (OR = 1.10, 95% CI: 1.01-1.19). Contrary to prior research, obesity was not significantly associated with hyperlipidemia risk. Physical activity was marginally protective, though the effect lost significance in the adjusted model. These findings highlight the importance of targeted cardiovascular health interventions, particularly for Asian populations and those with chronic conditions, to reduce disparities in hyperlipidemia and improve public health outcomes.
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 | 0,013 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».