Multimorbidity prevalence in Canada: a comparison of Northern Territories with Provinces, 2013/14
Notice bibliographique
Résumé
Rapid social, economic, and environmental changes in the northern territories of Canada have raised concerns about potentially increasing levels of chronic disease. This concern prompted us to compare multimorbidity prevalence in Canada between the territories and provinces. We analyzed Canadian Community Health Survey data for 2013/14. We defined multimorbidity, the outcome, as having 3 or more chronic conditions and used survey-weighted multivariable logistic regression for comparisons between territories and provinces. We found a prevalence of multimorbidity in Canada of 14.0% (95% CI: 13.6, 14.3). We could not find significant difference in multimorbidity prevalence between the territories and provinces of Canada overall; however, the territories tended to have lower prevalence estimates than provinces for multimorbidity (adj-OR = 0.88; 95% CI: 0.74-1.04). Sensitivity analyses from propensity score analyses had similar conclusions. Effect modification analyses identified lower multimorbidity in territories versus provinces among households without a post-secondary graduate (adj-OR = 0.46; 95% CI: 0.34-0.61 for northern residence), males (adj-OR = 0.71; 95% CI: 0.54-0.93), and ages 12-29 years (adj-OR = 0.63; 95% CI: 0.39-0.99). Caution is needed in interpreting the results in light of representativeness of CCHS in northern populations of Canada.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».