MétaCan
Menu
Retour à la cohorte
Enregistrement W2921021961 · doi:10.1161/circ.139.suppl_1.p363

Abstract P363: Cardiovascular Health as a Mediator of Psychosocial Influences on CVD

2019· article· en· W2921021961 sur OpenAlexaffabout
Sarah Singh, Stephanie J. Frisbee

Notice bibliographique

RevueCirculation · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Health and Risk Factors
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPsychosocialMedicineSocial supportDiseaseGerontologyStructural equation modelingPopulationCardiovascular healthClinical psychologyPsychiatryEnvironmental healthInternal medicinePsychology

Résumé

récupéré en direct d'OpenAlex

Background: Negative psychosocial factors, such as high stress and poor social support, are strongly associated with disease outcomes, including CVD. Conceptually, it is plausible that better cardiovascular health (CVH) may blunt the association between psychosocial factors and incident CVD. However, few studies have investigated whether CVH, which includes biological and behavioral factors, is a potential pathway between psychosocial factors and CVD. Objective: To investigate whether the association between CVD and psychosocial factors is fully or partially mediated by CVH. Setting: This study was carried out in a nationally representative sample of Canadian adults aged 20 years and older. Data and Methods: This study is a cross-sectional design using data from the Canadian Community Health Survey (CCHS) 2015-2016 database. The CCHS is a nationwide, nationally representative survey that collects information on the health status, health care utilization and health determinants of the Canadian population. The study outcome was CVD, as measured by the self-reported presence of physician-diagnosed heart disease. The potential mediator was individual CVH, defined using the AHA CVH Index (CVHI) and determined using self-reported responses in CCHS. Psychosocial factors included self-reported responses to questions on life stress, work stress, sleep, social support and alcohol and drug use. A structural equation modeling (SEM) approach was then used to explore the mediational role of CVH in the association of CVD with psychosocial factors. Analyses were conducted in MPlus Version 8 software. Results: The majority of the population were males (51%), aged 40-60 (37%), with tertiary education (64%) and of the White race (79%). Overall, the mean CVH of the population was 4.5. Results suggested that CVH and all psychosocial factors, except for life stress predicted, CVD. Additionally, all psychosocial factors, except for life stress and drug use, predicted CVH. Standardized coefficients demonstrated that, of all psychosocial factors, work stress had the highest impact on both CVH (std coeff -0.22, p<0.001) and CVD (std coeff -0.07, p<0.0001). Further analyses demonstrated that CVHI partially mediated the association between CVD and work stress (std coeff -0.02, p<0.001), sleep (std coeff -0.002, p<0.001), alcohol use (std coeff -0.009, p<0.001) and social support (std coeff -0.001, p=0.003). None of the associations were fully mediated by CVH. Conclusion: Results indicated that the association between psychosocial factors and CVD was partially mediated by CVH. That is, while better CVH weakened the association between psychosocial factors and CVD, the direct association between psychosocial factors and CVD remained. Further analyses should investigate whether accounting for individual characteristics such as age, sex and race may reveal full mediation through CVH.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,336
Score d'incertitude au seuil0,669

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,001

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,306
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetCardiovascular Health and Risk FactorsTravaux en français237 207