The association between educational level and multimorbidity among adults in Southeast Asia: A systematic review
Notice bibliographique
Résumé
BACKGROUND: In Southeast Asia, the prevalence of multimorbidity is gradually increasing. This paper aimed to investigate the association between educational level and multimorbidity among over 15-years old adults in Southeast Asia. METHODS: We conducted a systematic review of published observational studies. Studies were selected according to eligibility criteria of addressing definition and prevalence of multimorbidity and associations between level of education and multimorbidity in Southeast Asia. The Newcastle-Ottawa Scale (NOS) was used to measure the quality and risk of bias. The methodology has been published in PROSPERO with registered number ID: CRD42021259311. RESULTS: Eighteen studies were included in the data synthesis. The results are presented using narrative synthesis due to the heterogeneity of differences in exposures, outcomes, and methodology. The prevalence of multimorbidity ranged from 1.7% to 72.6% among over 18 years-old adults and from 1.5% to 51.5% among older people (≥ 60 years). There were three association patterns linking between multimorbidity and education in these studies: (1) higher education reducing odds of multimorbidity, (2) higher education increasing odds of multimorbidity and (3) education having no association with multimorbidity. The association between educational attainment and multimorbidity also varies widely across countries. In Singapore, three cross-sectional studies showed that education had no association with multimorbidity among adults. However, in Indonesia, four cross-sectional studies found higher educated persons to have higher odds of multimorbidity among over 40-years-old persons. CONCLUSIONS: Published studies have shown inconsistent associations between education and multimorbidity because of different national contexts and the lack of relevant research in the region concerned. Enhancing objective data collection such as physical examinations would be necessary for studies of the connection between multimorbidity and education. It can be hypothesised that more empirical research would reveal that a sound educational system can help people prevent multimorbidity.
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 | 0,007 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».