Lifestyle factors and multimorbidity: a cross sectional study
Notice bibliographique
Résumé
BACKGROUND: Lifestyle factors have been associated mostly with individual chronic diseases. We investigated the relationship between lifestyle factors (individual and combined) and the co-occurrence of multiple chronic diseases. METHODS: Cross-sectional analysis of results from the Program of Research on the Evolution of a Cohort Investigating Health System Effects (PRECISE) in Quebec, Canada. Subjects aged 45 years and older. A randomly-selected cohort in the general population recruited by telephone. Multimorbidity (3 or more chronic diseases) was measured by a simple count of self-reported chronic diseases from a list of 14. Five lifestyle factors (LFs) were evaluated: 1) smoking habit, 2) alcohol consumption, 3) fruit and vegetable consumption, 4) physical activity, and 5) body mass index (BMI). Each LF was given a score of 1 (unhealthy) if recommended behavioural targets were not achieved and 0 otherwise. The combined effect of unhealthy LFs (ULFs) was evaluated using the total sum of scores. RESULTS: A total of 1,196 subjects were analyzed. Mean number of ULFs was 2.6 ± 1.1 SD. When ULFs were considered separately, there was an increased likelihood of multimorbidity with low or high BMI [Odd ratio (95% Confidence Interval): men, 1.96 (1.11-3.46); women, 2.57 (1.65-4.00)], and present or past smoker [men, 3.16 (1.74-5.73)]. When combined, in men, 4-5 ULFs increased the likelihood of multimorbidity [5.23 (1.70-16.1)]; in women, starting from a threshold of 2 ULFs [1.95 (1.05-3.62)], accumulating more ULFs progressively increased the likelihood of multimorbidity. CONCLUSIONS: The present study provides support to the association of lifestyle factors and multimorbidity.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».