Variation in cerebral palsy profile by socio‐economic status
Notice bibliographique
Résumé
AIM: Socio-economic differences in maternal and child health are well recognized, but the role of individual-level and area-level determinants in cerebral palsy (CP) phenotypes is debated. We set out to examine (1) the association between area-level and individual-level measures of socio-economic deprivation and CP phenotype among children, including subtype, severity, and comorbidities; and (2) the direct effect of area-level deprivation not mediated through individual-level deprivation. METHOD: Regional data from a provincial CP register were analyzed. The outcome of interest was CP phenotype. The area-level exposure was measured using the Pampalon Deprivation Index. Individual-level socio-economic status (SES) was determined using maternal education. We conducted multiple regression models, stratified by preterm birth, controlling for key covariates, and a mediation analysis of area-level deprivation on the association between individual SES and CP phenotype. RESULTS: A socio-economic gradient in mobility was seen in our cohort, above and beyond differences in maternal and perinatal factors. The added direct effect of area-level deprivation was seen only in children whose mothers were educated to a higher level, suggesting no additional contribution of area-level deprivation in children of mothers with a lower level of education. INTERPRETATION: Contextual socio-economic factors can impact the severity of CP. These findings indicate important areas for potential community-level or area-level public health intervention (i.e. neighborhood reinvestment, preventive measures), and suggest that neighborhood-level research in maternal and perinatal health should continue to be pursued.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 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 ».