MétaCan
Menu
Retour à la cohorte
Enregistrement W6893285907 · doi:10.5281/zenodo.16156964

The role of socioeconomic inequalities in hypertension prevalence in latin america: a national data analysis from five countries

2025· article· en· W6893285907 sur OpenAlexaboutno aff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueModel Reduction and Neural Networks
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocioeconomic statusInequalityQuarter (Canadian coin)Latin AmericansRural areaSocial classHealth equityHealth careSocial inequality

Résumé

récupéré en direct d'OpenAlex

Drawing on comprehensive data from Brazil, Mexico, Colombia, Argentina, and Peru, this study exposes stark disparities in both the prevalence and management of hypertension across different social strata in Latin America. The evidence is hard to ignore: individuals in the lowest wealth quintile face a hypertension prevalence of 34.5%, nearly double that of their wealthiest counterparts (18.3%). Similarly, those with only primary education or less are disproportionately affected (33.7%) compared to individuals with university education (18.5%). Rural areas also carry a heavier burden, with a prevalence rate of 29.8% versus 21.7% in urban regions. These health inequalities are further compounded by significant gaps in health care awareness and access. Over half of individuals in the poorest group are unaware of their hypertensive status, in contrast to just a quarter of those in the affluent group. Treatment rates are also alarmingly low among the disadvantaged: nearly half receive no intervention, and three-quarters of cases remain uncontrolled. Geographic barriers only intensify these challenges, with the poor facing nearly six times the difficulty in accessing health care services. Notably, the analysis attributes approximately 42% of the disparity in hypertension rates between socioeconomic extremes to differences in access to health care. The burden of multimorbidity is also unequally distributed; the combination of hypertension, diabetes, and chronic kidney disease is five times more prevalent among the poor. The study also highlights significant gender differences and complex interactions between risk factors in both rural and urban contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil0,158

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,262
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetModel Reduction and Neural NetworksTravaux en français237 207