Abstract 6936: American versus Canadian National Funding for Immigrant Cardiovascular Health
Notice bibliographique
Résumé
Introduction: The high number of immigrants in North America underscores the need for cardiovascular (CV) health and promotion in these racially and ethnically diverse populations. Although some immigrant races/ethnicities have high cardiovascular mortality, it remains unclear whether there are investments in cardiovascular health promotion and prevention for immigrants for both the United States and America. We aimed to compare American and Canadian national investments cardiovascular health promotion and prevention for immigrants. Methods: We queried the National Institute of Health (NIH) and the Canadian Institute of Health Research (CIHR) databases from 2006 to 2019 for grants supporting projects in diseases prevention and promotion targeting immigrants. We compiled annual funding and normalized the annual data for the number of immigrants and Gross Domestic Product (GDP). We completed normalized descriptive statistics for comparative analysis and presented funding trends over a 14-year period. Results: There were 74 and 50 project grants awarded by the NIH and CIHR, respectively. Between 2007 to 2013, the NIH spent relatively less per immigrant than the CIHR. From 2014 onward, funding trends reversed as the NIH outspent the CIHR. Over the 14-year period, the NIH and the CIHR funded an annual mean of $59.8/1000 immigrants and $79.1/1000 immigrants, respectively. Conclusion: Although the number of immigrants is rising, the relative national funding for CV health promotion and prevention in the USA and Canada is generally decreasing over the last 5 years. Absolute CIHR funding is progressively decreasing since 2008, while NIH grant expenditure has demonstrated an overall pattern of increase over the last 14 years. Policymakers should consider more comprehensive investment in CV health promotion and prevention for immigrants.
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 | 0,004 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 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) | 0,011 | 0,001 |
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 ».