MétaCan
Menu
Retour à la cohorte
Enregistrement W3110889581 · doi:10.23889/ijpds.v5i5.1521

Association Between Active Living Environments and Hospitalization for All-Causes and Cardiometabolic Disease

2020· article· en· W3110889581 sur OpenAlexaffabout
Sarah M Mah, Claudia Sanmartin, Mylène Riva, Kaberi Dasgupta, Nancy A. Ross

Notice bibliographique

RevueInternational Journal for Population Data Science · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensStatistics CanadaMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicineLogistic regressionOddsDemographyNeighbourhood (mathematics)Active livingPopulationActivities of daily livingGerontologyBinomial regressionEnvironmental healthPhysical activityPhysical therapy

Résumé

récupéré en direct d'OpenAlex

IntroductionNeighbourhoods have the potential to influence population-wide modifiable risk factors such as physical inactivity and obesity. Built environments that encourage active living hold promise as a policy lever for reducing health care burden, particularly that related to cardiometabolic disease. Objectives and ApproachWe examined the role of active living environments on hospitalization risk, frequency, and cumulative length of stay for all-causes and cardiometabolic diseases. The linked dataset is a combination of survey data from Canadian respondents aged 45+, records from a national census of acute hospitalizations, and the Canadian Active Living Environment (Can-ALE) - a 5-class measure of how conducive one’s neighbourhood is to active living based on street connectivity, points of interest, and population density. We modelled the risk of all-cause and cardiometabolic hospitalizations for respondents living in more and less favourable environments using logistic regression. Frequency and cumulative length of stay were modelled using truncated negative binomial regression. Models were adjusted for individual-level factors and proximity to a hospital. An offset variable was included to account for different follow-up times. Results232,000 respondents were included with a mean follow-up time of 5.37 years. Those living in progressively more favourable active living environments (classes 2, 3, 4, and 5) exhibited incrementally lower risk of hospitalization compared to those living in the least favourable (class 1). Relative to respondents living in the least favourable environments (class 1), odds ratios were 0.84 (95% CI 0.76-0.93) for all-cause hospitalization and 0.80 (95% CI 0.68-0.93) for cardiometabolic hospitalization for respondents living in the most favourable environments (class 5). There was little evidence of similar associations for hospitalization frequency and cumulative length of stay. Conclusion / ImplicationsLiving in neighbourhoods that are more conducive to active living are associated with lower risk of all-cause and cardiometabolic hospitalization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,737
Score d'incertitude au seuil0,528

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,418
Écart entre enseignants0,327 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetHealth disparities and outcomesTravaux en français237 207