Diabetes, cardiovascular disease, and health care use in people with and without schizophrenia
Notice bibliographique
Résumé
PURPOSE: To compare the prevalence of cardiovascular risk factors (CV-RF) and disease (CV-D) and health care use in people with and without schizophrenia. SUBJECTS/MATERIALS AND METHODS: Data from the Canadian Community Health Survey (CCHS), cycle 3.1, were used. Prevalence of CV-RF, CV-D, and health care use were compared in those with and without schizophrenia using logistic regression analysis. Sampling weights and bootstrap variance estimates were used to account for survey design. RESULTS: A total of 399 (0.3%) people with schizophrenia were identified and compared to 120,044 (97.7%) people without. Individuals with schizophrenia were significantly more likely to be obese (34.8% vs. 15.6%) and report diabetes (11.9% vs. 5.3%). After accounting for sociodemographic variables, schizophrenia was not independently associated with diabetes (adjusted odds ratio [aOR]: 0.86; 0.49-1.51). Individuals with schizophrenia were more likely to be hospitalized (21.9% vs. 8.0%; aOR: 2.37; 95% CI: 1.51-3.74) but no more likely to visit their physician (86.7% vs. 85.7%; aOR: 1.23; 95% CI: 0.65-2.35). DISCUSSION/CONCLUSION: Our findings suggest that people with schizophrenia access the primary health care system at least as frequently as someone without schizophrenia, and the opportunity for management of modifiable CV-RF exists in this vulnerable population.
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 ».