Demographic Predictors of Peanut, Tree Nut, Fish, Shellfish, and Sesame Allergy in Canada
Notice bibliographique
Résumé
Background. Studies suggest that the rising prevalence of food allergy during recent decades may have stabilized. Although genetics undoubtedly contribute to the emergence of food allergy, it is likely that other factors play a crucial role in mediating such short-term changes. Objective. To identify potential demographic predictors of food allergies. Methods. We performed a cross-Canada, random telephone survey. Criteria for food allergy were self-report of convincing symptoms and/or physician diagnosis of allergy. Multivariate logistic regressions were used to assess potential determinants. Results. Of 10,596 households surveyed in 2008/2009, 3666 responded, representing 9667 individuals. Peanut, tree nut, and sesame allergy were more common in children (odds ratio (OR) 2.24 (95% CI, 1.40, 3.59), 1.73 (95% CI, 1.11, 2.68), and 5.63 (95% CI, 1.39, 22.87), resp.) while fish and shellfish allergy were less common in children (OR 0.17 (95% CI, 0.04, 0.72) and 0.29 (95% CI, 0.14, 0.61)). Tree nut and shellfish allergy were less common in males (OR 0.55 (95% CI, 0.36, 0.83) and 0.63 (95% CI, 0.43, 0.91)). Shellfish allergy was more common in urban settings (OR 1.55 (95% CI, 1.04, 2.31)). There was a trend for most food allergies to be more prevalent in the more educated (tree nut OR 1.90 (95% CI, 1.18, 3.04)) and less prevalent in immigrants (shellfish OR 0.49 (95% CI, 0.26, 0.95)), but wide CIs preclude definitive conclusions for most foods. Conclusions. Our results reveal that in addition to age and sex, place of residence, socioeconomic status, and birth place may influence the development of food allergy.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».