Determinants of chronic physical health conditions in Canadian Veterans
Notice bibliographique
Résumé
Introduction: Limited information is available about the determinants of chronic health conditions of Veterans despite the increasingly perilous nature of military engagements in recent decades. Methods: Econometric analysis, using probit and negative binomial models, was conducted on the basis of data from a cross-sectional self-reported health survey of Canadian Veterans to investigate the determinants of musculoskeletal, respiratory, gastrointestinal, and cardiovascular health conditions; pain; and diabetes. Results: The results stress the role of military service–related factors in the increased likelihood of chronic physical health conditions in Canadian Veterans. Army Veterans had an increased probability of musculoskeletal (0.08, p ≤ 0.001) and gastrointestinal (0.05, p ≤ 0.001) conditions and pain (0.07, p ≤ 0.01). Veterans who were deployed had an increased risk of musculoskeletal conditions (0.08, p ≤ 0.001) and pain (0.06, p ≤ 0.001). In terms of non–service-related factors, the results confirm the role of obesity as a statistically significant determinant of chronic musculoskeletal, respiratory, and cardiovascular conditions; pain; and diabetes. Female Veterans were also at higher risk of respiratory and gastrointestinal conditions. Low-income Veterans have increased probability of musculoskeletal, gastrointestinal, pain, and cardiovascular conditions, and the risk decreased with rising income level. Finally, Veterans with mental health conditions had increased odds of musculoskeletal (OR = 2.79, p ≤ 0.001), respiratory (OR = 2.40, p ≤ 0.001), gastrointestinal (3.66, p ≤ 0.001), pain (OR = 2.61, p ≤ 0.001), and cardiovascular (OR = 1.45, p ≤ 0.01) conditions and diabetes (OR = 1.37, p ≤ 0.05). Discussion: The findings have important clinical and health resource use implications as Veterans seek treatment in community settings once they transition from military to civilian life. They also serve to advance the research agenda on the health of Veterans, an understudied population in Canada.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».