Explaining the social gradient in coronary heart disease: comparing relative and absolute risk approaches
Notice bibliographique
Résumé
STUDY OBJECTIVES: There are contradictory perspectives on the importance of conventional coronary heart disease (CHD) risk factors in explaining population levels and social gradients in CHD. This study examined the contribution of conventional CHD risk factors (smoking, hypertension, dyslipidaemia, and diabetes) to explaining population levels and to absolute and relative social inequalities in CHD. This was investigated in an entire population and by creating a low risk sub-population with no smoking, dyslipidaemia, diabetes, and hypertension to simulate what would happen to relative and social inequalities in CHD if conventional risk factors were removed. DESIGN, SETTING, AND PARTICIPANTS: Population based study of 2682 eastern Finnish men aged 42, 48, 54, 60 at baseline with 10.5 years average follow up of fatal (ICD9 codes 410-414) and non-fatal (MONICA criteria) CHD events. MAIN RESULTS: In the whole population, 94.6% of events occurred among men exposed to at least one conventional risk factor, with a PAR of 68%. Adjustment for conventional risk factors reduced relative social inequality by 24%. However, in a low risk population free from conventional risk factors, absolute social inequality reduced by 72%. CONCLUSIONS: Conventional risk factors explain the majority of absolute social inequality in CHD because conventional risk factors explain the vast majority of CHD cases in the population. However, the role of conventional risk factors in explaining relative social inequality was modest. This apparent paradox may arise in populations where inequalities in conventional risk factors between social groups are low, relative to the high levels of conventional risk factors within every social group. If the concern is to reduce the overall population health burden of CHD and the disproportionate population health burden associated with the social inequalities in CHD, then reducing conventional risk factors will do the job.
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 | 0,030 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».