Chronic disease and malnutrition biomarkers among unemployed immigrants and Canadian born adults
Notice bibliographique
Résumé
BACKGROUND: Immigration status and unemployment may intersect on the health outcomes of men and women. This study aimed to identify intersections between unemployment and immigration in inflammatory, metabolic and nutritional blood markers and assess gender differences. METHODS: We used Canadian Health Measures Survey data on 2493 participants aged 18 to 65. Outcomes were chronic inflammation (high-sensitivity C-reactive protein (hsCRP) and fibrinogen), nutritional (albumin and hemoglobin), and metabolic blood markers (glycosylated hemoglobin, blood glucose, total and high density lipoprotein (HDL) cholesterol). Multivariate linear regressions were used to assess the associations between each biomarker, unemployment and immigrant status, controlling for age, education, province, smoking, physical inactivity and body mass index and testing for multiplicative interactions between unemployment, immigrant status and gender. RESULTS: Unemployment was associated with higher inflammation (hsCRP and fibrinogen) in Canadian born men; Canadian born employed women showed higher hsCRP values compared with corresponding employed men. Unemployed immigrant women presented the highest values of hsCRP while employed immigrant women had the lowest hsCRP. Unemployment was associated with higher glucose; immigrant status was associated with higher glucose and glycosylated hemoglobin. Unemployed immigrants had significantly lower levels of hemoglobin and albumin than employed immigrants, and Canadian-born citizens regardless of their employment status. Some of these associations were attenuated after adjustment by body mass index, physical inactivity and smoking. CONCLUSION: Blood biomarkers unveil intersections among unemployment, immigration and gender. This study provides evidence on biological pathways of unemployment on the likelihood of common chronic diseases, inflammation and potential malnutrition with some increased vulnerabilities in unemployed immigrants, and particularly in unemployed immigrant women.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».