Individual- and area-level socioeconomic inequalities in diabetes mellitus in Saskatchewan between 2007 and 2012: a cross-sectional analysis
Notice bibliographique
Résumé
BACKGROUND: Improving our understanding of social inequalities may improve prevention and treatment efforts for diabetes mellitus. We examined the association between individual- and area-level socioeconomic measures and physician-diagnosed diabetes in Saskatchewan over time. METHODS: In this cross-sectional study, we linked health administrative data with individual-level socioeconomic data from the Canadian Community Health Survey and area-level data from the 2006 Canadian census. We used general linear mixed-models regression to analyze the effect of each factor, controlling for geographic and demographic measures. RESULTS: Area-level deprivation was associated with medically diagnosed type 2 diabetes mellitus after adjustment for the individual-level factors of age, sex, household income and education. Individuals residing in areas ranked in the least deprived quintile had a lower likelihood of diabetes than those in the most deprived quintile (odds ratio 0.40, 95% confidence interval 0.18-0.88). However, this disparity existed only in urban areas. This result may reflect less pronounced health inequalities in rural areas, greater socioeconomic heterogeneity, larger geographic units or some combination of these factors. INTERPRETATION: Individual- and area-level socioeconomic factors were associated with the likelihood of medically diagnosed diabetes; however, the strength of this association varied between urban and rural communities. Acknowledgement of area-level deprivation as a modifiable risk factor related to the prevalence of diabetes is important in the development of effective interventions for urban, but not rural, areas.
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) | 0,001 | 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 ».