Association of regional racial/cultural context and socioeconomic status with arthritis in the population: A multilevel analysis
Notice bibliographique
Résumé
OBJECTIVE: To examine the extent to which differences in individual- and regional-level socioeconomic status and racial/cultural origin account for geographic variations in the prevalence of self-reported arthritis, and to determine whether regional characteristics modify the effect of individual characteristics associated with reporting arthritis. METHODS: Analyses were based on the 2000-2001 Canadian Community Health Survey (>15 years, n = 127,513). Arthritis was self-reported as a long-term condition diagnosed by a health professional. A 2-level logistic regression model was used to identify predictors of reporting arthritis. Individual-level variables included age, sex, income, education, immigration status, racial/cultural origin, smoking, physical activity, and body mass index. Regional-level variables included the proportion of low-income families, low education, unemployment, recent immigrants, Aboriginals, and Asians. RESULTS: At the individual level, age, sex, low income, low education, Aboriginal origin, current smoking, and overweight/obesity were positively associated with reporting arthritis; recent immigration and Asian origin were negatively associated with reporting arthritis. At the regional level, percentages of low-income families and the Aboriginal population were independently associated with reporting arthritis. Regional income and racial/cultural origin moderated the effects of individual income and racial/cultural origin; low-income individuals residing in regions with a higher proportion of low-income families reported arthritis more than low-income individuals living in better-income regions. CONCLUSION: Both individual and regional factors were found to contribute to variations in the prevalence of arthritis, although significant unexplained variation remained. Further research is required to better understand the mechanisms that underlie these regional effects and to identify other contributing factors to the remaining variation.
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».