Early-life famine exposure may modify the association between long-term temperature variability and cardio-cerebrovascular diseases: a nationwide study
Notice bibliographique
Résumé
Abstract We aimed to evaluate whether the association between long-term temperature variability (TV) and cardio-cerebrovascular diseases (CCVDs) was affected by famine exposure in different age stages. We used data from the fourth national urban and rural elderly population survey (2015). Participants were categorized into six groups based on their age at famine exposure (famine exposure under age 5, between ages 5 and 18, and during adulthood) and the severity (severely affected areas versus mildly affected areas) of the Great Chinese Famine (1959–1961) in their province of residence. Mixed-effects logistic regression model was used to quantify the association between long-term TV and the prevalence of CCVDs across six famine-exposed groups. A total of 222 179 participants were included. In severely affected areas, the odds ratio (OR) of CCVDs associated with per 1 °C increase in 5 year average TV were 1.07 (95% confidence interval [CI]: 1.02, 1.13) for those exposed to famine during adulthood, 1.28 (95% CI: 1.17, 1.40) under the age of 5 years. Urban residence, higher education, increased household income, and more frequent physical activity could mitigate the association between TV and CCVDs, particularly among those exposed to severe famine before the age of 5. Individuals exposed to famine before the age of 5 are more susceptible to TV-related CCVDs compared to those exposed during adulthood. Our findings highlight the importance of early-life nutrition in lowering susceptibility to CCVDs later in life.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».