Measuring the association between marginalization and multimorbidity in Ontario, Canada: A cross-sectional study
Notice bibliographique
Résumé
There is growing evidence to suggest that multimorbidity is not only a consequence of aging but also other environmental risk factors such as socio-economic status and social marginalization. In this study, the prevalence of multimorbidity was examined (defined as the simultaneous occurrence of two or more chronic morbidities) by age, gender and the Ontario Marginalization index (material deprivation, residential instability, dependency and ethnic concentration). With a cross-sectional design, 2015 data on 18 morbidities from 12,516,587 residents of the province of Ontario, Canada, were analysed. About 82.1% of the population had one or no chronic conditions, 10.3% were multimorbid with two chronic conditions and 7.6% had three or more chronic conditions. The results showed that the prevalence of multimorbidity is noticeably higher in the most deprived areas compared to least deprived for all age groups. Our findings challenge the notion that multimorbidity is primarily driven by aging. Of the 18% of the total population which were multimorbid, 43% of them were under the age of 65. We noted a substantial excess of multimorbidity in younger and middle-aged adults who were most deprived. In some cases, those in the most deprived areas were showing increased cases of multimorbidity nearly 10 years sooner than those who were least deprived. This study shows that environmental factors such as material deprivation and residential instability are correlated with higher prevalence of multimorbidity.
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 | 0,001 | 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) | 0,000 | 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 ».