Differences in prevalence of diabetes among immigrants to Canada from South Asian countries
Notice bibliographique
Résumé
AIMS: The prevalence of diabetes is high in South Asians migrants. However, most previous research has studied South Asians as a collective whole. The aim of this study was to examine diabetes prevalence among immigrants from five South Asian countries living in Ontario, Canada. METHODS: Population-based health care and immigration databases were used to compare crude and adjusted diabetes prevalence on 1 January 2012 between immigrants to Ontario from different South Asians countries and the non-immigrant population. The prevalence of diabetes was also stratified by various sociodemographic factors. RESULTS: There were 431 765 first-generation South Asian immigrants; 68 440 (crude prevalence of 15.9%) of whom had a diagnosis of diabetes. After standardization for age, sex and income, diabetes prevalence was highest among South Asians from Sri Lanka (26.8%) followed by Bangladesh (22.2%), Pakistan (19.6%), India (18.3%) and Nepal (16.5%) in comparison with the non-immigrant population (11.6%). Increased prevalence was evident among men compared with women in each country of South Asia. Sociodemographic indicators including income, education, English proficiency and refugee status were associated with increased prevalence of diabetes in specific populations from South Asia. CONCLUSION: Striking differences in the prevalence of diabetes are evident among immigrants from different countries of South Asia. Awareness of the heterogeneity will help in recognizing priorities for the delivery of primary care for specific South Asian migrant populations with a range of settlement needs that also encompass social determinants of health.
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 | 0,000 | 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 | 0,000 | 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) | 0,003 | 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 ».