Ethnic and Regional Variability in Cardiometabolic Risk Among Urban South Asians: A Systematic Review
Notice bibliographique
Résumé
Background: Cardiometabolic diseases (CMDs), including diabetes, hypertension, and metabolic syndrome, are rising sharply in South Asia’s urban populations. However, the influence of ethnic and regional variation within these urban settings remains poorly understood. Objective: To systematically review the literature on ethnic and regional disparities in cardiometabolic risk among urban South Asian adults, with emphasis on subnational variability in India, particularly Odisha and Kalahandi district. Methods: This review followed PRISMA 2020 guidelines. A comprehensive search was conducted across PubMed, Scopus, Cochrane, Ovid MEDLINE, Web of Science, Google Scholar, and grey literature (WHO, ICMR) for studies published between 2015 and 2025. Inclusion criteria focused on urban South Asian adults (≥18 years) with data stratified by ethnicity or region. Quality was assessed using the Newcastle–Ottawa Scale and AMSTAR-2. A narrative synthesis was conducted. Results: Thirteen studies were included. CMD prevalence varied by country, state, and district. Northern and western India showed higher CMD rates than eastern regions. In Odisha, metabolic syndrome prevalence ranged from 24% to 33.5%, with a pronounced gender gap in central obesity and pre-metabolic syndrome. Findings from Kalahandi district revealed a substantial burden of early-stage CMD risk, especially among young urban adults. Conclusion: Cardiometabolic risk among urban South Asians is shaped by complex regional and ethnic factors. Public health strategies must move beyond generalized models to adopt localized, culturally tailored interventions that address the specific needs of diverse urban populations. Keywords: Cardiometabolic risk, Urban South Asia, Ethnic disparities, Regional variation, India, Odisha, Systematic review
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 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».