Synergism between Female Gender and High Levels of Daily Stress Associated with Migraine Headaches in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Migraines affect women more than men and originate from interactions of genetic and environmental factors. This study assessed the prevalence of migraines in Ontario, Canada and the effect of gender and stress on migraines. METHODS: Our analysis was based on data from 42,282 persons 12 years or older who participated in the 2013-2014 Canadian Community Health Survey. Multivariate log-binomial model was used to calculate adjusted prevalence ratios for migraines associated with individual and joint exposures of female gender and stress. We used relative excess risk due to interaction (RERI), attributable proportion (AP), and synergy index (S index) to measure additive interaction. RESULTS: The prevalence of migraines was 10.7%. The adjusted prevalence ratios were 2.37 (95% CI 2.13-2.63) for female versus male, 1.63 (95% CI 1.39-1.90) for persons with high versus low levels of stress, and 3.38 (95% CI 3.00-3.80) for women with high stress versus men with low stress. The RERI estimate was 0.38 (95% CI 0.04-0.73), the AP estimate was 0.11 (95% CI 0.02-0.21), and the S index was 1.19 (95% CI 1.01-1.41). CONCLUSION: We report 10.7% prevalence of migraines and synergism between female gender and stress on risk of migraine, suggesting health interventions targeting women under stress may be beneficial.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».