Chronic disease multimorbidity among the Canadian population: prevalence and associated lifestyle factors
Notice bibliographique
Résumé
BACKGROUND: Chronic diseases is increasingly becoming one of the most pressing public health concerns in most part of the world, including the Canadian population. The purpose of this study was to estimate the prevalence of multimorbidity in the general population based on 14 major chronic diseases and examine associations with lifestyle/behavioral factors. METHODS: The data source was the 2015-2016 Canadian Community Health Survey (CCHS). The CCHS is a cross sectional, complex multi-stage survey based on information collected from 109,659 participants aged 12+, covering all provinces and territories. Multimorbidity was defined as the co-occurrence of two or more chronic diseases within a person. Multiple logistic regression was used to examine the key determinants of multimorbidity. RESULTS: The prevalence of multimorbidity was 33 %. Adjusting for sociodemographic variables, there was an increased odd of multimorbidity for those having a sedentary lifestyle (AOR = 1.06; CI:1.01-1.11) and being obese (AOR = 1.37; CI:1.32-1.43) or overweight (AOR = 2.65; CI: 2.54-2.76). There were two statistically significant interactions, between sex and smoking, and between immigration status and alcohol intake. Smoking was more strongly associated with multimorbidity in females than males. The association between alcohol intake and multimorbidity was also dependent upon immigration status. CONCLUSIONS: Given the high prevalence of multimorbidity among the general Canadian population, policy makers and service providers should give more attention to the behavioral/lifestyle factors which significantly predicted multimorbidity. Policy and program efforts that promote a healthy lifestyle should be a priority.
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 | 0,000 | 0,001 |
| 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 ».