MétaCan
Menu
← Retour à la cohorte
Enregistrement W4307565872 · doi:10.1038/s41598-022-22771-3

Gender inequality in source country modifies sex differences in stroke incidence in Canadian immigrants

2022· article· en· W4307565872 sur OpenAlexafffundabout
Manav V. Vyas, Jiming Fang, Moira K. Kapral, Amy Yu, Peter C. Austin

Notice bibliographique

RevueScientific Reports · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensInstitute for Clinical Evaluative SciencesUniversity of Toronto
Organismes subventionnairesOntario Ministry of Health and Long-Term CareUniversity Health NetworkHeart and Stroke Foundation of Canada
Mots-clésImmigrationHazard ratioStroke (engine)DemographyMedicineIncidence (geometry)InequalityGerontologyConfidence intervalInternal medicineGeographySociology

Résumé

récupéré en direct d'OpenAlex

Abstract Research suggests that gender inequality, measured using the gender inequality index (GII), influences stroke mortality in women compared to men. We examine how source country GII modifies the rate of ischemic stroke in women compared to men after immigration to Canada, a country with low gender inequality. We used linked health data and immigration records of 452,089, stroke-free immigrants aged 40–69 year who migrated from 123 countries. Over 15 years of follow-up, 5991 (1.3%) had an incident ischemic stroke. We demonstrate (a) a lower adjusted rate of stroke in women compared to men (hazard ratio 0.64; 95% CI 0.61–0.67); (b) that sex differences in stroke incidence were modified by source country GII, as the hazard of stroke in women vs. men attenuated by a factor of 1.06 for every 0.1 increase in the GII of the source country (Psex*GII = 0.002); and (c) migration to a country with low GII attenuates the adverse effect of source country GII on sex differences in stroke incidence. Evaluating pathways through which source country gender inequality differentially influences stroke risk in immigrant women compared to men could help develop strategies to mitigate the effects of early-life gender inequality on stroke risk.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,319
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetHealth disparities and outcomes→Travaux en français237 207→