Education, Zip Code-based Annualized Household Income, and Health Outcomes in Patients with Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: To determine the association of socioeconomic status [SES; education and zip code-based annual household income (Z-AHI)] and ethnicity with health-related quality of life (HRQOL) among patients with systemic lupus erythematosus (SLE). METHODS: Data on 211 subjects from a cross-sectional study (LupusPRO) using the Medical Outcomes Study Short Form-36 questionnaire to evaluate physical health scores (PCS) and mental health scores were used to obtain education and zip code. The 2000 US Census was used to obtain each zip code's median annual household income. RESULTS: Education and Z-AHI correlated with PCS (education standardized beta = 0.17, 95% CI 0.47, 3.65, p = 0.01, r(2) = 0.03; Z-AHI standardized beta = 0.15, 95% CI 0.57, 8.30, p = 0.02, r(2) = 0.02) on regression analysis. Z-AHI was linked to PCS, independent of education. Ethnicity was associated with PCS through disease activity and SES. CONCLUSION: SES is associated with HRQOL in SLE. Z-AHI and education are equally predictive surrogates of SES; however, Z-AHI, independent of education, was predictive of HRQOL. Z-AHI has less subject bias and is easily obtainable, therefore its use for future HRQOL studies is suggested.
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 | 0,001 | 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 | 0,001 |
| 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 ».