The impact of regional deprivation and individual socio‐economic status on the prevalence of Type 2 diabetes in Germany. A pooled analysis of five population‐based studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIM: Our objective was to test the hypothesis that the prevalence of Type 2 diabetes increases with increasing regional deprivation even after controlling for individual socio-economic status. METHODS: We pooled cross-sectional data from five German population-based studies. The data set contained information on n = 11,688 study participants (men 50.1%) aged 45-74 years, of whom 1008 people had prevalent Type 2 diabetes (men 56.2%). Logistic multilevel regression was performed to estimate odds ratios (OR) and 95% confidence intervals (CI) for diabetes prevalence. We controlled for sex, age and lifestyle risk factors, individual socio-economic status and regional deprivation, based on a new small-area deprivation measure, the German Index of Multiple Deprivation. RESULTS: Adjusted for sex, age, body mass index (BMI), physical activity, smoking status and alcohol consumption, the prevalence of Type 2 diabetes showed a stepwise increase in risk with increasing area deprivation [OR 1.88 (95% CI 1.16-3.04) in quintile 4 and OR 2.14 (95% CI 1.29-3.55) in quintile 5 compared with the least deprived quintile 1], even after controlling for individual socio-economic status. Focusing on individual socio-economic status alone, the risk of having diabetes was significantly higher for low compared with medium or high educational level [OR 1.46 (95% CI 1.24-1.71)] and for the lowest compared with the highest income group [OR 1.53 (95% CI 1.18-1.99)]. CONCLUSION: Regional deprivation plays a significant part in the explanation of diabetes prevalence in Germany independently of individual socio-economic status. The results of the present study could help to target public health measures in deprived regions.
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.
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 | 0,002 | 0,001 |
| 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 découle