Modelling prevalent cardiovascular disease in an urban Indigenous population
Notice bibliographique
Résumé
OBJECTIVE: Studies have highlighted the inequities between the Indigenous and non-Indigenous populations with respect to the burden of cardiovascular disease and prevalence of predisposing risks resulting from historical and ongoing impacts of colonization. The objective of this study was to investigate factors associated with cardiovascular disease (CVD) within and specific to the Indigenous peoples living in Toronto, Ontario, and to evaluate the reliability and validity of the resulting model in a similar population. METHODS: The Our Health Counts Toronto study measured the baseline health of Indigenous community members living in Toronto, Canada, using respondent-driven sampling. An iterative approach, valuing information from the literature, clinical insight and Indigenous lived experiences, as well as statistical measures was used to evaluate candidate predictors of CVD (self-reported experience of discrimination, ethnic identity, health conditions, income, education, age, gender and body size) prior to multivariable modelling. The resulting model was then validated using a distinct, geographically similar sample of Indigenous people living in Hamilton, Ontario, Canada. RESULTS: The multivariable model of risk factors associated with prevalent CVD included age, diabetes, hypertension, body mass index and exposure to discrimination. The combined presence of diabetes and hypertension was associated with a greater risk of CVD relative to those with either condition and was the strongest predictor of CVD. Those who reported previous experiences of discrimination were also more likely to have CVD. Further study is needed to determine the effect of body size on risk of CVD in the urban Indigenous population. The final model had good discriminative ability and adequate calibration when applied to the Hamilton sample. CONCLUSION: Our modelling identified hypertension, diabetes and exposure to discrimination as factors associated with cardiovascular disease. Discrimination is a modifiable exposure that must be addressed to improve cardiovascular health among Indigenous populations.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».