Ethnic Inequalities in Cardiovascular Disease Risk
Notice bibliographique
Résumé
Background: Cardiovascular diseases are a leading cause of death globally, and a major risk factor is obesity in early age groups. Obesity in children and youth is a growing public health concern, and inequalities exist across social groups. Evidence on ethnic disparities in obesity risk is mixed, and little is known about ethnicity and obesity in late adolescence. Moreover, broad ethnic identity categories may be less informative for understanding disparities in obesity risk than the psychosocial process of ethnic identity development during this unique developmental period. Differences in the salience of ethnic identity seem particularly relevant to examining obesity inequalities in multicultural, multigenerational settings. Aims and Objectives: To examine the gender-specific associations of strength of ethnic identity with the obesity prevalence in ethnically diverse urban youth from British Columbia (BC), Canada. Materials and Methods: Cross-sectional study of an adolescent cohort with self-reported data on ethnic identity, sociodemographics, height and weight using regression modeling with interaction terms. Results: Above-average ethnic identity was associated with the higher obesity prevalence in young men only. Multivariable-adjusted models showed that young men reporting the strongest ethnic identity had 57% higher odds of being obese (odds ratio 1.57 [95% confidence interval: 1.05–2.37]). Conclusion: Associations varied by gender and ethnic group: stronger ethnic identity was significantly associated with the higher obesity prevalence in young men from Asian and Indigenous cultural heritage, whereas young women from Indigenous backgrounds with stronger ethnic identity showed a nonsignificant lower obesity prevalence. Future research directions and public health program implications are discussed.
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 | 0,002 | 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 | 0,001 | 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 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».