Comparisons of disease cluster patterns, prevalence and health factors in the USA, Canada, England and Ireland
Notice bibliographique
Résumé
BACKGROUND: Identification of those who are most at risk of developing specific patterns of disease across different populations is required for directing public health policy. Here, we contrast prevalence and patterns of cross-national disease incidence, co-occurrence and related risk factors across population samples from the U.S., Canada, England and Ireland. METHODS: Participants (n = 62,111) were drawn from the US Health and Retirement Study (n = 10,858); the Canadian Longitudinal Study on Ageing (n = 36,647); the English Longitudinal Study of Ageing (n = 7938) and The Irish Longitudinal Study on Ageing (n = 6668). Self-reported lifetime prevalence of 10 medical conditions, predominant clusters of multimorbidity and their specific risk factors were compared across countries using latent class analysis. RESULTS: The U.S. had significantly higher prevalence of multimorbid disease patterns and nearly all diseases when compared to the three other countries, even after adjusting for age, sex, BMI, income, employment status, education, alcohol consumption and smoking history. For the U.S. the most at-risk group were younger on average compared to Canada, England and Ireland. Socioeconomic gradients for specific disease combinations were more pronounced for the U.S., Canada and England than they were for Ireland. The rates of obesity trends over the last 50 years align with the prevalence of eight of the 10 diseases examined. While patterns of disease clusters and the risk factors related to each of the disease clusters were similar, the probabilities of the diseases within each cluster differed across countries. CONCLUSIONS: This information can be used to better understand the complex nature of multimorbidity and identify appropriate prevention and management strategies for treating multimorbidity across countries.
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 | 0,001 | 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».