Multiple Social Vulnerabilities to Health Disparities and Hypertension and Death in the REGARDS Study
Notice bibliographique
Résumé
Social vulnerabilities increase the risk of developing hypertension and lower life expectancy, but the effect of an individual’s overall vulnerability burden is unknown. Our objective was to determine the association of social vulnerability count and the risk of developing hypertension or dying over 10 years and whether these associations vary by race. We used the REGARDS study (Reasons for Geographic and Racial Differences in Stroke) and included participants without baseline hypertension. The primary exposure was the count of social vulnerabilities defined across economic, education, health and health care, neighborhood and built environment, and social and community context domains. Among 5425 participants of mean age 64±10 SD years of which 24% were Black participants, 1468 (31%) had 1 vulnerability and 717 (15%) had ≥2 vulnerabilities. Compared with participants without vulnerabilities, the adjusted relative risk ratio for developing hypertension was 1.16 (95% CI, 0.99–1.36) and 1.49 (95% CI, 1.20–1.85) for individuals with 1 and ≥2 vulnerabilities, respectively. The adjusted relative risk ratio for death was 1.55 (95% CI, 1.24–1.93) and 2.30 (95% CI, 1.75–3.04) for individuals with 1 and ≥2 vulnerabilities, respectively. A greater proportion of Black participants developed hypertension and died than did White participants (hypertension, 38% versus 31%; death, 25% versus 20%). The vulnerability count association was strongest in White participants ( P value for vulnerability count×race interaction: hypertension=0.046, death=0.015). Overall, a greater number of socially determined vulnerabilities was associated with progressively higher risk of developing hypertension, and an even higher risk of dying over 10 years.
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 | 0,001 |
| 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 | 0,002 | 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 ».