Associations between Area-Level Unemployment, Body Mass Index, and Risk Factors for Cardiovascular Disease in an Urban Area
Notice bibliographique
Résumé
Introduction:Cardiovascular Disease (CVD) has been linked to “neighbourhood” socioeconomic status (nSES), often operationalized as a composite index of aggregate income, occupation and education within predefined administrative boundaries. The role of specific, non-composite socioeconomic markers has not been clearly explained. It is also unclear whether the relationship between nSES and CVD varies according to sex. We sought to determine whether area-level unemployment (ALU) was associated with CVD risk, and whether this association differed by sex.Methods:342 individuals from the Montreal Neighbourhood Survey of Lifestyle and Health provided self-reported behavioural and socioeconomic information. A nurse collected biochemical and anthropometric data. ALU, a weighted average of the proportion of persons 15-years and older available for but without work, was measured using a Geographic Information System for a 250 m buffer centred on individual residence. Generalized Estimating Equations were used to estimate the associations between ALU, body mass index (BMI) and a cumulative score for total cardiometabolic risk (TCR).Results:After confounder adjustments, the mean 4th minus 1st quartile difference in BMI was 3.19 kg/m2 (95% CI: 2.39, 3.99), while the prevalence ratio for the 4th relative to 1st quartile for TCR was 2.20 (95 % CI: 1.53, 3.17). Sex interacted with ALU; women relative to men had greater mean 3.97 kg/m2 (95% CI: 2.08, 5.85) BMI and greater mean TCR 1.51 (95% CI: 0.78, 2.90), contrasted at mean ALU.Conclusions:Area-level unemployment is associated with greater CVD risk, and this association is stronger for women.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».