MétaCan
Menu
Retour à la cohorte
Enregistrement W4375954852 · doi:10.1093/abm/kaad008

Clustering of Health Behaviors in Canadians: A Multiple Behavior Analysis of Data from the Canadian Longitudinal Study on Aging

2023· article· en· W4375954852 sur OpenAlexafffundabout
Zack van Allen, Simon Bacon, Paquito Bernard, Heather Brown, Sophie Desroches, Monika Kastner, Kim Lavoie, Marta M. Marques, Nicola McCleary, Sharon E. Straus, Monica Taljaard, Kednapa Thavorn, Jennifer R. Tomasone, Justin Presseau

Notice bibliographique

RevueAnnals of Behavioral Medicine · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensQueen's UniversityNorth York General HospitalUniversité LavalConcordia UniversityUniversité du Québec à MontréalSt. Michael's HospitalUniversity of TorontoCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalOttawa HospitalDouglas Mental Health University InstituteCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanUniversity of Ottawa
Organismes subventionnairesFonds de Recherche du Québec - SantéGovernment of CanadaScience Foundation IrelandCanada Foundation for InnovationCanadian Institutes of Health ResearchNational Institute for Health and Care ResearchUniversité du Québec à Montréal
Mots-clésHealth psychologyPsychological interventionCluster (spacecraft)PsychologyRegression analysisVariation (astronomy)Public healthEnvironmental healthGerontologyMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Health behaviors such as physical inactivity, unhealthy eating, smoking tobacco, and alcohol use are each leading risk factors for non-communicable chronic disease. Better understanding which behaviors tend to co-occur (i.e., cluster together) and co-vary (i.e., are correlated) may provide novel opportunities to develop more comprehensive interventions to promote multiple health behavior change. However, whether co-occurrence or co-variation-based approaches are better suited for this task remains relatively unknown. PURPOSE: To compare the utility of co-occurrence vs. co-variation-based approaches for understanding the interconnectedness between multiple health-impacting behaviors. METHODS: Using baseline and follow-up data (N = 40,268) from the Canadian Longitudinal Study of Aging, we examined the co-occurrence and co-variation of health behaviors. We used cluster analysis to group individuals based on their behavioral tendencies across multiple behaviors and to examine how these clusters are associated with demographic characteristics and health indicators. We compared outputs from cluster analysis to behavioral correlations and compared regression analyses of clusters and individual behaviors predicting future health outcomes. RESULTS: Seven clusters were identified, with clusters differentiated by six of the seven health behaviors included in the analysis. Sociodemographic characteristics varied across several clusters. Correlations between behaviors were generally small. In regression analyses individual behaviors accounted for more variance in health outcomes than clusters. CONCLUSIONS: Co-occurrence-based approaches may be more suitable for identifying sub-groups for intervention targeting while co-variation approaches are more suitable for building an understanding of the relationships between health behaviors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,043
Score d'incertitude au seuil0,450

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,537
Tête enseignante GPT0,544
Écart entre enseignants0,007 · 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 tête enseignante, 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

Citations11
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAnnals of Behavioral MedicineMême sujetHealth disparities and outcomesTravaux en français237 207