Education, race/ethnicity, and multimorbidity among adults aged 30–64 in the National Health Interview Survey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Demographic risk factors for multimorbidity have been identified in numerous population-based studies of older adults; however, there is less data on younger populations, despite the fact that approximately 24% of US adults age 18+ have multimorbidity. Understanding multimorbidity earlier in the life course is critical because of the increased likelihood of long-term disability and loss of productivity associated with chronic disease progression. OBJECTIVE: To examine the associations of education and race/ethnicity with mutimorbidity among adults aged 30-64 using cross-sectional data from the 2002-2014 National Health Interview Surveys. DESIGN: Multimorbidity was defined as having at least 2 of 9 self-reported health conditions. Educational attainment was categorized as less than high school (HS), completed HS or some college, and bachelor's degree or higher. Logistic regression models of multimorbidity controlled for time since last doctor's visit, demographic and socioeconomic measures. RESULTS: Compared to having a bachelor's degree or higher, completing less than HS (OR=1.58, 95% CI = 1.50-1.66) or HS/some college (OR=1.32, 95% CI = 1.27-1.37) were both associated with increased odds of multimorbidity net of all included covariates. Non-Hispanic Blacks had greater odds of multimorbidity (OR=1.07, 95% CI = 1.02-1.11) compared to Non-Hispanic Whites with comparable characteristics. CONCLUSIONS: loss of quality of life, productivity, and well-being for non-elderly adults. Reducing multimorbidity through health promotion efforts across the socioeconomic spectrum and earlier in the life course will be a requirement to age successfully and support overall well-being in the aging US population.
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.
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 | 0,005 | 0,001 |
| 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 | 0,001 | 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 découle