Mental health status and gender as risk factors for onset of physical illness over 10 years
Notice bibliographique
Résumé
BACKGROUND: There is a growing interest in understanding the connection between mental illness (MI) and the onset of new physical illnesses among previously physically healthy individuals. Yet the role of gender is often forgotten in research focused on comorbidity of health problems. The objective of this study was to examine gender differences in the onset of physical illness in a cohort of respondents who met criteria for MI compared with a control cohort without mental health problems. METHODS: This cohort study, conducted in Ontario, Canada, used a unique linked dataset with information from the 2000-2001 Canadian Community Health Survey and medical records (n=15,902). We used adjusted Cox proportional survival analysis to examine risk of onset of four physical health problems (chronic obstructive pulmonary disorder, asthma, hypertension and diabetes) for those with and without baseline MI across a 10-year period (2002-2011) among respondents aged 18-74 years. We controlled for socioeconomic and health indicators associated with health. RESULTS: The incidence of physical illness in the MI cohort was 28.5% among women and 29.9% among men (p=0.85) relative to controls (23.8% and 24%, respectively; p=0.48). Women in the MI cohort developed secondary physical health problems a year earlier than their male counterparts (p=0.002). Findings from the Cox proportional survival regression showed that women were at 14% reduced risk of developing physical illness, meaning that men were more disadvantaged (HR=0.89, CI 0.80 to 0.98). Those in the MI cohort were at 10 times greater risk of developing a secondary physical illness over the 10-year period (HR=1.10, CI 0.98 to 1.21). There was no significant interaction between gender and MI cohort (HR=1.05, CI 0.85 to 1.27). CONCLUSIONS: Policy and clinical practice have to be sensitive to these complex-needs patients. Gender-specific treatment and prevention practices can be developed to target those at higher risk of multiple health conditions.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».