Unwalkable Neighborhoods, Poverty, and the Risk of Diabetes Among Recent Immigrants to Canada Compared With Long-Term Residents
Notice bibliographique
Résumé
OBJECTIVE: This study was designed to examine whether residents living in neighborhoods that are less conducive to walking or other physical activities are more likely to develop diabetes and, if so, whether recent immigrants are particularly susceptible to such effects. RESEARCH DESIGN AND METHODS: We conducted a population-based, retrospective cohort study to assess the impact of neighborhood walkability on diabetes incidence among recent immigrants (n = 214,882) relative to long-term residents (n = 1,024,380). Adults aged 30-64 years who were free of diabetes and living in Toronto, Canada, on 31 March 2005 were identified from administrative health databases and followed until 31 March 2010 for the development of diabetes, using a validated algorithm. Neighborhood characteristics, including walkability and income, were derived from the Canadian Census and other sources. RESULTS: Neighborhood walkability was a strong predictor of diabetes incidence independent of age and area income, particularly among recent immigrants (lowest [quintile 1 {Q1}] vs. highest [quintile 5 {Q5}] walkability quintile: relative risk [RR] 1.58 [95% CI 1.42-1.75] for men; 1.67 [1.48-1.88] for women) compared with long-term residents (Q1 to Q5) 1.32 [1.26-1.38] for men; 1.24 [1.18-1.31] for women). Coexisting poverty accentuated these effects; diabetes incidence varied threefold between recent immigrants living in low-income/low walkability areas (16.2 per 1,000) and those living in high-income/high walkability areas (5.1 per 1,000). CONCLUSIONS: Neighborhood walkability was inversely associated with the development of diabetes in our setting, particularly among recent immigrants living in low-income areas.
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 | 0,000 | 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 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 ».