Lifestyle factors and multimorbidity: a cross sectional study
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
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.
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 | 0,001 | 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) | 0,000 | 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