Educational inequalities in multimorbidity at older ages: a multi-generational population-based study
Notice bibliographique
Résumé
BACKGROUND: Social inequalities in multimorbidity may occur due to familial and/or individual factors and may differ between men and women. Using population-based multi-generational data, this study aimed to (1) assess the roles of parental and individual education in the risk of multimorbidity and (2) examine the potential effect modification by sex. METHODS: Data were analysed from 62 060 adults aged 50+ who participated in the Survey of Health, Ageing and Retirement in Europe, comprising 14 European countries. Intergenerational educational trajectories (exposure) were High-High (reference), Low-High, High-Low and Low-Low, corresponding to parental-individual educational attainments. Multimorbidity (outcome) was ascertained between 2013 and 2020 as self-reported occurrence of ≥2 diagnosed chronic conditions. Inequalities were quantified as multimorbidity-free years lost (MFYL) between the ages of 50 and 90 and estimated via differences in the area under the standardized cumulative risk curves. Effect modification by sex was assessed via stratification. RESULTS: Low individual education was associated with higher multimorbidity risk regardless of parental education. Compared to the High-High trajectory, Low-High was associated with -0.2 MFYL (95% confidence intervals: -0.5 to 0.1), High-Low with 3.0 (2.4-3.5), and Low-Low with 2.6 (2.3-2.9) MFYL. This pattern was observed for both sexes, with a greater magnitude for women. This effect modification was not observed when only diseases diagnosed independently of healthcare-seeking behaviours were examined. CONCLUSIONS: Individual education was the main contributor to intergenerational inequalities in multimorbidity risk among older European adults. These findings support the importance of achieving a high education to mitigate multimorbidity 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 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».