What Do Trajectories of Childhood Socioeconomic Status Tell Us About Markers of Cardiovascular Health in Adolescence?
Notice bibliographique
Résumé
OBJECTIVE: The current study examined trajectories of socioeconomic status (SES) throughout childhood and their relationship to markers of cardiovascular health in adolescence. The goal was to determine whether early-life SES, current SES, cumulative SES, and/or social mobility best explained the relationship between SES experiences across an adolescent's life span and current blood pressure (BP), heart rate (HR), and body mass index (BMI). DESIGN: One hundred two adolescents completed cardiovascular health assessments including systolic blood pressure, diastolic blood pressure, HR, and BMI. Parents reported on family SES, indicating the number of bedrooms in the family home for each year of the child's life. RESULTS: Using Jones, Nagin, and Roeder's semiparametric group-based method, four distinct trajectories of childhood SES were identified. Trajectory groups were differentially related to adolescents' systolic blood pressure and diastolic blood pressure. A trajectory showing low early-life SES that increased through childhood was associated with the highest BP in adolescence. Partial correlation analyses specifically examining the various life-course scenarios similarly indicated that early-life SES was the strongest predictor of adolescents' BP. Trajectories of childhood SES were unrelated to HR and BMI. CONCLUSIONS: Of the life-course models that we tested, an early-life SES model best explained adolescents' current BP. These findings point toward early-life developmental processes as potential candidates for explaining the relationship between SES and risk factors related to cardiovascular disease. They suggest that interventions designed to reduce SES health disparities should take place early in a child's life.
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 | 0,002 | 0,000 |
| 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 | 0,001 |
| 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 ».