Gender-related differences in the association between socioeconomic status and self-reported diabetes
Notice bibliographique
Résumé
BACKGROUND: The prevalence of diabetes has been steadily increasing in Western countries. We investigated the impact of socioeconomic status (SES) on the prevalence of self-reported diabetes, and its differences between genders. METHODS: Data for this investigation were derived from the second cycle of the National Population Health Survey conducted in 1996-1997. A total of 39 021 subjects (17 730 males and 21 291 females) >/=40 years of age who answered the question about diabetes were included in the present analysis. Educational attainment and income adequacy were used as indicators of SES. Multiple logistic regression models were constructed for men and women separately to assess the effects of SES on the prevalence of diabetes after adjustment for age, area of residence, body mass index, and physical activity. RESULTS: and The prevalence of diabetes was 6.6% among men and 5.5% among women. The CONCLUSIONS: prevalence increased with decreasing income category and educational attainment in both genders. The odds ratios for income and education in relation to diabetes after adjustment remained significant in women, but attained unity in men. Canadian women >/=40 years of age of low SES have a relatively high prevalence of diabetes, independent of age, area of residence, obesity, and physical inactivity.
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 | 0,010 | 0,009 |
| 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 ».