A small-area analysis of inequalities in chronic disease prevalence across urban and non-urban communities in the Province of Nova Scotia, Canada, 2007–2011
Notice bibliographique
Résumé
BACKGROUND: Small-area studies of health inequalities often have an urban focus, and may be limited in their translatability to non-urban settings. Using small-area units representing communities, this study assessed the influence of living in different settlement types (urban, town and rural) on the prevalence of four chronic diseases (heart disease, cancer, diabetes and stroke) and compared the degrees of associations with individual-level and community-level factors among the settlement types. METHODS: The associations between community-level and individual-level characteristics and prevalence of the chronic diseases were assessed using logistic regression (multilevel and non-multilevel) models. Individual-level data were extracted from the Canadian Community Health Survey (2007-2011). Indices of material deprivation and social isolation and the settlement type classification were created using the Canadian Census. RESULTS: Respondents living in towns were 21% more likely to report one of the diseases than respondents living in urban communities even after accounting for individual-level and community-level characteristics. Having dependent children appeared to have protective effects in towns, especially for males (OR: 0.49 (95% CI 0.27 to 0.90)). Unemployment had a strong association for all types of communities, but being unemployed appeared to be particularly damaging to health of males in urban communities (OR: 2.48 (95% CI 1.43 to 4.30)). CONCLUSIONS: The study showed that those living in non-urban settings, particularly towns, experience extra challenges in maintaining health above and beyond the socioeconomic condition and social isolation of the communities, and individual demographic, behavioural and socioeconomic attributes. Our findings also suggest that health inequality studies based on urban-only settings may underestimate the risks by some factors. Ways to devise meaningful small-area units comparable in all settlement types are necessary to help plan effective provision of chronic disease-related health services and programmes on a regional scale.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».