Predictors of Blood Pressure, Cholesterol, and Cardiovascular Screening Among Saudis at Primary Healthcare Settings in Riyadh, Saudi Arabia
Notice bibliographique
Résumé
Purpose: This study was conducted to estimate proportion of individuals undergoing screening for cardiovascular disease (CVD) and its risk factors and to identify predictors of CVD, blood pressure, and blood cholesterol screening. Patients and Methods: This cross-sectional study was conducted in 48 primary healthcare centers in Saudi Arabia and 14,239 participants were enrolled. The analysis was performed in SPSS version 26 and adjusted odds ratios (AOR) and 95% Cis were reported. Results: Blood pressure screening was reported by 35.3%, cholesterol screening by 9.3%, and cardiovascular screening by 3.7%. Significant positive predictors for blood pressure screening included older age (50-75 years: AOR 1.34, 95% CI: 1.20-1.50; ≥75 years: AOR 2.12, 95% CI: 1.84-2.43), being married (AOR: 1.15; 95% CI: 1.04-1.27), non-smoking (AOR: 1.97; 95% CI: 1.79-2.17), physical activity (AOR: 1.16; 95% CI: 1.05-1.28), and diabetes (AOR: 2.14; 95% CI: 1.88-2.44). For cholesterol screening, significant positive predictors were older age (≥75 years: AOR 1.89, 95% CI: 1.56-2.29), unemployment (AOR: 1.26; 95% CI: 1.10-1.45), insurance coverage (AOR: 1.52; 95% CI: 1.33-1.74), smoking (AOR: 1.32; 95% CI: 1.14-1.53), diabetes history (AOR: 1.33; 95% CI: 1.09-1.61), and hypertension (AOR: 1.66; 95% CI: 1.36-2.02). For cardiovascular screening, significant positive predictors included older age (≥75 years: AOR 1.81, 95% CI: 1.35-2.43), unemployment (AOR: 1.53; 95% CI: 1.24-1.88), insurance coverage (AOR: 1.56; 95% CI: 1.27-1.92), smoking (AOR: 1.89; 95% CI: 1.52-2.34), diabetes (AOR: 1.85; 95% CI: 1.41-2.43), and high cholesterol (AOR: 1.76; 95% CI: 1.31-2.36). Conclusion: A very low proportion of Saudi residents have undergone blood pressure, cholesterol, and CVD screening. Common predictors of screening included older age, insurance coverage, diabetes, hypertension, physical activity, and high cholesterol levels. Low prevalence of screening is alarming, and Saudi Government needs to implement strategies that can help increase proportion of Saudi residents who receive blood pressure, cholesterol, and CVD screening.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».