Liens existant entre les maladies chroniques, l’âge et l’état de santé physique et mental
Notice bibliographique
Résumé
Le présent article examine les liens existant entre les maladies chroniques, l’âge et la qualité de vie liée à la santé (QVLS) physique et mentale, à l’aide de données recueillies dans le cadre de dix études portant sur cinq maladies chroniques. La QVLS a été mesurée à l’aide du SF-36 ou de sa version sommaire, le SF-12. Les scores du Sommaire de la composante physique (SCP) et du Sommaire de la composante mentale (SCM) ont été représentés sur un graphique selon la maladie chronique, par groupes d’âge de 10 ans, et comparés avec des données normatives ajustées en fonction de l’âge et du sexe. Les modèles de régression linéaire relatifs au SCP et au SCM ont été corrigés en fonction des variables confusionnelles existantes. Sur les 2 418 participants qui composaient l’échantillon, 129 sujets étaient atteints d’insuffisance rénale, 366, d’arthrose, 487, d’insuffisance cardiaque, 1 160 présentaient des plaies chroniques (p. ex., ulcère à la jambe) et 276 étaient atteints de sclérose en plaques (SEP). D’importantes différences ont été notées quant au SCP entre les données normatives et les scores moyens des sujets atteints de maladies chroniques, mais ces différences étaient négligeables pour ce qui était du SCM. Le fait d’être une femme et de présenter des comorbidités était associé à une QVLS moins bonne; l’âge avancé était associé à un SCP plus faible et à un meilleur SCM. Cette étude a permis de confirmer que même si la fonction physique pouvait être gravement affectée à la fois par des maladies chroniques et l’âge avancé, la santé mentale demeure relativement bonne et stable.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».