Education and Coronary Heart Disease Risk
Notice bibliographique
Résumé
OBJECTIVE: Education is inversely associated with coronary heart disease (CHD) risk; however the mechanisms are poorly understood. The study objectives were to evaluate the extent to which rarely measured factors (literacy, time preference, sense of control) and more commonly measured factors (income, depressive symptomatology, body mass index) in the education-CHD literature explain the associations between education and CHD risk. METHOD: The study sample included 346 participants, aged 38 to 47 years (59.5% women), of the New England Family Study birth cohort. Ten-year CHD risk was calculated using the validated Framingham risk algorithm that utilizes diabetes, smoking, blood pressure, total cholesterol, high-density lipoprotein cholesterol, age, and gender. Multivariable regression and mediation analyses were performed. RESULTS: Regression analyses adjusting for age, race/ethnicity, and childhood confounders (e.g., parental socioeconomic status, intelligence) demonstrated that relative to those with greater than or equal to college education, men and women with less than high school had 73.7% (95% confidence interval [CI; 29.5, 133.0]) and 48.2% (95% CI [17.5, 86.8]) higher 10-year CHD risk, respectively. Mediation analyses demonstrated significant indirect effects for reading comprehension in women (7.2%; 95% CI [0.7, 19.4]) and men (7.2%; 95% CI [0.8, 19.1]), and depressive symptoms (11.8%; 95% CI [2.5, 26.6]) and perceived constraint (6.7%, 95% CI [0.7, 19.1]) in women. CONCLUSIONS: Evidence suggested that reading comprehension in women and men, and depressive symptoms and perceived constraint in women, may mediate some of the association between education and CHD risk. If these mediated effects are interpreted causally, interventions targeting reading, depressive symptoms, and perceived constraint could reduce educational inequalities in CHD.
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 | 0,000 | 0,003 |
| 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 | 0,001 | 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) | 0,005 | 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 ».