Income disparities in cardiovascular health across the lifespan
Notice bibliographique
Résumé
Using data from the 1999-2014 National Health and Nutrition Examination Survey (n ~ 46,000), this study documents income disparities in the age patterning of cardiovascular conditions across the lifespan in the U.S. The conditions were assessed from laboratory test results, self-reports of medications used to treat specific conditions, and anthropometric measurements, allowing us to capture whether individuals at given ages had developed the various conditions, regardless of previous diagnosis and treatment. We found evidence of large income disparities in the presence of cardiovascular conditions and risk factors for females, smaller disparities in the same conditions for males, and few disparities that increased with age for either gender. Results were very similar when considering disparities by education instead of income. The findings suggest that the widening socioeconomic gradients in health over the lifespan found in many previous studies-which have generally focused on self-rated health, activity limitations, or diagnosed conditions-reflect, at least to some extent, differences in diagnosis, treatment, and management of health conditions rather than age-related differences in developing them. The findings also suggest that preventive healthcare is not an important source of socioeconomic disparities in cardiovascular health in the U.S., at least for men. The observed patterns of income disparities in cardiovascular conditions over the lifespan are more consistent with theories of early life conditions and the imprinting of health endowments and susceptibilities early in life than with cumulative life exposure or stress hypotheses.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| 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 ».