Income inequality and comorbid overweight/obesity and depression among a large sample of Canadian secondary school students: The mediator effect of social cohesion
Notice bibliographique
Résumé
Background: Comorbid overweight/obesity (OWO) and depression is emerging as a public health problem among adolescents. Income inequality is a structural determinant of health that independently increases the risk for both OWO and depression among youth. However, no study has examined the association between income inequality and comorbid OWO and depression or tested potential mechanisms involved. We aimed to identify the association between income inequality and comorbid OWO and depression and to test whether social cohesion mediates this relationship. Methods: We used data from the 2018-2019 Cannabis, Obesity, Mental health, Physical activity, Alcohol, Smoking and Sedentary behavior (COMPASS) project. Our sample was composed of 46,171 adolescents from 136 schools distributed in 43 census divisions in 4 provinces in Canada (Ontario, Alberta, British Columbia, and Quebec). Gender-stratified multilevel path analyses models were used to examine whether income inequality (Gini coefficient) was associated with comorbid OWO and depression and whether the association was mediated by school connectedness, a proxy measure for social cohesion. Results: income inequality was significantly associated with increased risk of comorbidity via social cohesion. One standard deviation increase in the Gini coefficient was associated with a 9% and 8% increase in the odds of comorbidity in females (OR=1.09; 95% CI=1.03, 1.16) and males (OR=1.08; 95% CI=1.03, 1.13). Conclusion: Policies aimed at reducing income inequality, and interventions to improve social cohesion, may contribute to reducing the risk of OWO-depression comorbidity among adolescents.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».