MétaCan
Menu
Retour à la cohorte
Enregistrement W2010705032 · doi:10.1111/ene.12586

Is high socioeconomic status a risk factor for multiple sclerosis? A systematic review

2014· review· en· W2010705032 sur OpenAlexafffund
Robert Goulden, Tawheeda Ibrahim, Christina Wolfson

Notice bibliographique

RevueEuropean Journal of Neurology · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesCanadian Institutes of Health ResearchMcGill University
Mots-clésMedicineSocioeconomic statusMEDLINEAssociation (psychology)Cohort studySystematic reviewMultiple sclerosisEnvironmental healthGerontologyDemographyPopulationInternal medicinePsychiatryPsychology

Résumé

récupéré en direct d'OpenAlex

High socioeconomic status (SES) is generally associated with better health outcomes, but some research has linked it with an increased risk of multiple sclerosis (MS). The evidence for this association is inconsistent and has not previously been systematically reviewed. A systematic review of cohort and case-control studies in any language was conducted looking at the association between MS and SES. MEDLINE and EMBASE were searched for articles in all languages published up until 23 August 2013. Twenty-one studies from 13 countries were included in the review. Heterogeneity of study settings precluded carrying out a meta-analysis, and a qualitative synthesis was performed instead. Five studies, all from more unequal countries, reported an association between high SES and MS. Thirteen studies reported no evidence of an association, and three studies reported an association with low SES. These 16 studies largely came from more egalitarian countries. The evidence for an association between high SES and increased MS risk is inconsistent but with some indication of a stronger effect in countries and time periods with higher inequality. Firm conclusions are hampered by the failure of most studies to control for other important risk factors for MS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0080,006
Bibliométrie0,0080,009
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,147
Tête enseignante GPT0,361
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations59
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of NeurologyMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207