Prevalence and access to care for cardiovascular risk factors in older people in Sierra Leone: a cross-sectional survey
Notice bibliographique
Résumé
Introduction Prevalence of cardiovascular disease risk factors (CVDRFs) is increasing, especially in low-income countries. In Sierra Leone, there is limited empirical data on the prevalence of CVDRFs, and there are no previous studies on the access to care for these conditions. Methods This study in rural and urban Sierra Leone collected demographic, anthropometric measurements and clinical data from randomly sampled individuals over 40 years old using a household survey. We describe the prevalence of the following risk factors: diabetes, hypertension, dyslipidaemia, overweight or obesity, smoking and having at least one of these risk factors. Cascades of care were constructed for diabetes and hypertension using % of the population with the disease who had previously been tested ('screened'), knew of their condition ('diagnosed'), were on treatment ('treated') or were controlled to target ('controlled'). Multivariable regression was used to test associations between prevalence of CVDRFs and progress through the cascade for hypertension with demographic and socioeconomic variables. In those with recognised disease who did not seek care, reasons for not accessing care were recorded. Results Of 2071 people, 49.6% (95% CI 49.3% to 50.0%) of the population had hypertension, 3.5% (3.4% to 3.6%) had diabetes, 6.7% (6.5% to 7.0%) had dyslipidaemia, 25.6% (25.4% to 25.9%) smoked and 26.5% (26.3% to 26.8%) were overweight/obese; a total of 77.1% (76.6% to 77.5%) had at least one CVDRF. People in urban areas were more likely to have diabetes and be overweight than those living in rural areas. Moreover, being female, more educated or wealthier increased the risk of having all CVDRFs except for smoking. There is a substantial loss of patients at each step of the care cascade for both diabetes and hypertension, with less than 10% of the total population with the conditions being screened, diagnosed, treated and controlled. The most common reasons for not seeking care were lack of knowledge and cost. Conclusions In Sierra Leone, CVDRFs are prevalent and access to care is low. Health system strengthening with a focus on increased access to quality care for CVDRFs is urgently needed.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».