Gender, marital and educational inequalities in mid- to late-life depressive symptoms: cross-cohort variation and moderation by urbanicity degree
Notice bibliographique
Résumé
BACKGROUND: Although ageing populations are increasingly residing in cities, it is unknown whether depression inequalities are moderated by urbanicity degree. We estimated gender, marital and educational inequalities in depressive symptoms among older European and Canadian adults, and examined whether higher levels of urbanicity, captured by population density, heightened these inequalities. METHODS: Harmonised cross-sectional data on 97 826 adults aged ≥50 years from eight cohorts were used. Prevalence ratios (PRs) were calculated for probable depression, depressed affect and depressive symptom severity by gender, marital status and education within each cohort, and combined using random-effects meta-analysis. Using a subsample of 73 123 adults from six cohorts with available data on population density, we tested moderating effects measured by the number of residents per square kilometre. RESULTS: The pooled PRs for probable depression by female gender, unmarried or non-cohabitating status and low education were 1.48 (95% CI 1.28 to 1.72), 1.44 (95% CI 1.29 to 1.61) and 1.29 (95% CI 1.18 to 1.41), respectively. PRs for depressed affect and high symptom severity were broadly similar. Except for one Dutch cohort with findings in an unexpected direction, there was no evidence that population density modified depressive symptom inequalities. CONCLUSIONS: Despite cross-cohort variation in gender, marital status and educational inequalities in depressive symptoms, there was weak evidence that these inequalities differed by levels of population density.
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 | 0,010 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,005 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».