Area-Level Socioeconomic Characteristics, Prevalence and Trajectories of Cardiometabolic Risk
Notice bibliographique
Résumé
This study examines the relationships between area-level socioeconomic position (SEP) and the prevalence and trajectories of metabolic syndrome (MetS) and the count of its constituents (i.e., disturbed glucose and insulin metabolism, abdominal obesity, dyslipidemia, and hypertension). A cohort of 4,056 men and women aged 18+ living in Adelaide, Australia was established in 2000-2003. MetS was ascertained at baseline, four and eight years via clinical examinations. Baseline area-level median household income, percentage of residents with a high school education, and unemployment rate were derived from the 2001 population Census. Three-level random-intercepts logistic and Poisson regression models were performed to estimate the standardized odds ratio (SOR), prevalence risk ratio (SRR), ratio of SORs/SRRs, and (95% confidence interval (CI)). Interaction between area- and individual-level SEP variables was also tested. The odds of having MetS and the count of its constituents increased over time. This increase did not vary according to baseline area-level SEP (ratios of SORs/SRRs ≈ 1; p ≥ 0.42). However, at baseline, after adjustment for individual SEP and health behaviours, median household income (inversely) and unemployment rate (positively) were significantly associated with MetS prevalence (SOR (95%CI) = 0.76 (0.63-0.90), and 1.48 (1.26-1.74), respectively), and the count of its constituents (SRR (95%CI) = 0.96 (0.93-0.99), and 1.06 (1.04-1.09), respectively). The inverse association with area-level education was statistically significant only in participants with less than post high school education (SOR (95%CI) = 0.58 (0.45-0.73), and SRR (95%CI) = 0.91 (0.88-0.94)). Area-level SEP does not predict an elevated trajectory to developing MetS or an elevated count of its constituents. However, at baseline, area-level SEP was inversely associated with prevalence of MetS and the count of its constituents, with the association of area-level education being modified by individual-level education. Population-level interventions for communities defined by area-level socioeconomic disadvantage are needed to reduce cardiometabolic risks.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».