MétaCan
Menu
Retour à la cohorte
Enregistrement W2151952710 · doi:10.1503/cmaj.091551

Age- and sex-related prevalence of diabetes mellitus among immigrants to Ontario, Canada

2010· article· en· W2151952710 sur OpenAlexafffundvenueabout
Maria I. Creatore, Rahim Moineddin, Gillian L. Booth, Douglas G. Manuel, Marie DesMeules, Sarah McDermott, Richard H. Glazier

Notice bibliographique

RevueCanadian Medical Association Journal · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensUniversity of TorontoInstitute for Clinical Evaluative SciencesPublic Health Agency of CanadaSt. Michael's Hospital
Organismes subventionnairesOntario Ministry of Health and Long-Term CarePublic Health AgencyInstitute for Clinical Evaluative SciencesPublic Health Agency of Canada
Mots-clésDemographyImmigrationMedicineDiabetes mellitusOdds ratioPopulationLogistic regressionYoung adultGerontologyGeographyEnvironmental healthInternal medicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The majority of immigrants to Canada originate from the developing world, where the most rapid increase in prevalence of diabetes mellitus is occurring. We undertook a population-based study involving immigrants to Ontario, Canada, to evaluate the distribution of risk for diabetes in this population. METHODS: We used linked administrative health and immigration records to calculate age-specific and age-adjusted prevalence rates among men and women aged 20 years or older in 2005. We compared rates among 1,122,771 immigrants to Ontario by country and region of birth to rates among long-term residents of the province. We used logistic regression to identify and quantify risk factors for diabetes in the immigrant population. RESULTS: After controlling for age, immigration category, level of education, level of income and time since arrival, we found that, as compared with immigrants from western Europe and North America, risk for diabetes was elevated among immigrants from South Asia (odds ratio [OR] for men 4.01, 95% CI 3.82-4.21; OR for women 3.22, 95% CI 3.07-3.37), Latin America and the Caribbean (OR for men 2.18, 95% CI 2.08-2.30; OR for women 2.40, 95% CI: 2.29-2.52), and sub-Saharan Africa (OR for men 2.31, 95% CI 2.17-2.45; OR for women 1.83, 95% CI 1.72-1.95). Increased risk became evident at an early age (35-49 years) and was equally high or higher among women as compared with men. Lower socio-economic status and greater time living in Canada were also associated with increased risk for diabetes. INTERPRETATION: Recent immigrants, particularly women and immigrants of South Asian and African origin, are at high risk for diabetes compared with long-term residents of Ontario. This risk becomes evident at an early age, suggesting that effective programs for prevention of diabetes should be developed and targeted to immigrants in all age groups.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,233
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations258
Publié2010
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Medical Association JournalMême sujetMigration, Health and TraumaTravaux en français237 207