Cardiovascular risk in aging adults with double deficits in social support: a gender-sensitive, cross-sectional analysis of the CLSA cohort
Notice bibliographique
Résumé
Background: Synergistic effects of different forms of social support (informational, tangible, emotional and belonging) on cardiovascular disease risk factors (CVRF) in aging women versus men is unknown. Aim: To quantify gender differences in the additive and multiplicative associations of four different forms of social support (informational, tangible, emotional and belonging) with cardiovascular disease risk factors (CVRF) in aging adults. Methods: Baseline data from 28,779 adults (45-85 years) in the Canadian Longitudinal Study on Aging Comprehensive cohort (2012-15) with four self-reported social support measures and measured body mass index, waist circumference and blood pressure. We used stratified multivariable principal component regression (PCR) and then post-estimated calculation of adjusted means and 95% CIs. Results: Among women, reporting low availability of two types of social support was consistently associated with the highest adjusted mean levels of WC and BMI. However, lack of two types of support was less clearly or consistently associated with anthropometric measures among men. The highest adjusted mean SBP levels among women were seen for women with low availability of informational support. Among men, low-low combinations of two social supports did not consistently correspond to the highest adjusted mean SBP levels. Results for DBP were null and showed no gender differences. Sensitivity analyses revealed two significant interaction effects of tangible and belonging supports for SBP and WC among women. Conclusion: Findings showed women with two deficits in social supports had the worse CVRF profiles than one social support deficit. Women’s worse CVRF profiles were seen for deficit combinations that included low informational support. We did not, however, find antagonistic/synergistic effects of social support on CVRFs. Heart health care and prevention for aging women would benefit from ensuring informational support with other supports is available.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 ».