Level of education and multiple sclerosis risk after adjustment for known risk factors: The EnvIMS study
Notice bibliographique
Résumé
BACKGROUND: Several recent studies have found a higher risk of multiple sclerosis (MS) among people with a low level of education. This has been suggested to reflect an effect of smoking and lower vitamin D status in the social class associated with lower levels of education. OBJECTIVE: The objective of this paper is to investigate the association between level of education and MS risk adjusting for the known risk factors smoking, infectious mononucleosis, indicators of vitamin D levels and body size. METHODS: Within the case-control study on Environmental Factors In MS (EnvIMS), 953 MS patients and 1717 healthy controls from Norway reported educational level and history of exposure to putative environmental risk factors. RESULTS: Higher level of education were associated with decreased MS risk (p trend = 0.001) with an OR of 0.53 (95% CI 0.41-0.68) when comparing those with the highest and lowest level of education. This association was only moderately reduced after adjusting for known risk factors (OR 0.61, 95% CI 0.44-0.83). The estimates remained similar when cases with disease onset before age 28 were excluded. CONCLUSION: These findings suggest that factors related to lower socioeconomic status other than established risk factors are associated with MS risk.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».