Social disadvantage and cardiovascular disease: development of an index and analysis of age, sex, and ethnicity effects
Notice bibliographique
Résumé
BACKGROUND: Social disadvantage is defined by adverse socio-economic characteristics and is distributed unequally by age, sex, and ethnicity. We studied the relationship between social disadvantage, cardiovascular risk factors, and cardiovascular disease (CVD) among men and women from diverse ethno-racial backgrounds. METHODS: A total of 1227 men and women of South Asian, Chinese, Aboriginal, and European ancestry were randomly selected from four communities in Canada to undergo a health assessment. Socio-economic factors, conventional and novel CV risk factors, atherosclerosis, and CVD were measured. A social disadvantage index was generated and included employment status, income, and marital status. Social disadvantage was examined in relation to risk factors for CVD, atherosclerosis, and prevalent CVD. RESULTS: Social disadvantage was higher among older people, women, and non-white ethnic groups. Cigarette smoking, glucose, overweight, abdominal obesity, and CRP were higher among individuals with higher social disadvantage, whereas systolic blood pressure, lipids, norepinephrine, and atherosclerosis were not. Social disadvantage is an independent predictor of CVD after adjustment for conventional and novel risk markers for CVD (OR for 1 point increase = 1.25; 95% CI 1.06-1.47). CONCLUSION: The social disadvantage index combines social and economic exposures into a single continuous measure. Significant variation in social disadvantage by age, sex, and ethnic group exists. Increased social disadvantage is associated with an increased burden of some CV risk factors, and is an independently associated with CVD.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».