Behavioral Risk Factors and Non-communicable diseases in Tribal Adults: A Systematic Review
Notice bibliographique
Résumé
Background: Non-communicable diseases (NCDs) are a significant public health concern globally, especially among tribal populations, where unique socio-cultural practices may influence the prevalence of behavioral risk factors. Understanding the relationship between these risk factors and NCDs is critical for targeted interventions. Objectives: This systematic review aims to synthesize the existing evidence on the prevalence of behavioural risk factors—such as tobacco use, alcohol consumption, unhealthy diets, and physical inactivity—among tribal adults and their association with NCDs, including cardiovascular diseases, diabetes, and cancer. Methods: A comprehensive search was conducted across databases such as PubMed, Scopus, and Google Scholar for studies published between 2000 and 2023. Inclusion criteria included peer-reviewed studies reporting on tribal adults (aged ≥18 years) and exploring the relationship between behavioural risk factors and NCDs. Exclusion criteria included studies with non-tribal populations and those focused on infectious diseases. Data extraction followed PRISMA guidelines, and the quality of included studies was assessed using the Newcastle-Ottawa Scale. Results: A total of X studies met the inclusion criteria, highlighting the significant burden of behavioural risk factors among tribal populations. Tobacco use and alcohol consumption were the most prevalent risk factors, with an associated increase in the incidence of cardiovascular diseases and diabetes. Limited access to healthcare and socio-economic challenges were identified as key barriers to addressing these risk factors. Conclusions: The review underscores the urgent need for culturally tailored public health interventions targeting behavioural risk factors in tribal populations to mitigate the rising burden of NCDs. Further research is needed to explore effective strategies for health promotion and disease prevention in these vulnerable communities.
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 | 0,006 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».