Associations between people experiencing homelessness (PEH) and neurodegenerative disorders (NDDs): A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Homelessness represents a widespread social issue globally, yet the risk of neurodegenerative diseases (NDDs) associated with people experiencing homelessness (PEH) has not received sufficient attention. Therefore, this study aimed to explore the risk of NDDs among PEH and its variation across countries and regions through meta-analysis and systematic review. METHODS: Searching from databases such as PubMed and Web of Science, relevant research articles on PEH and NDDs were identified. After multiple screening, eight articles were selected for meta-analysis. Statistical methods and models were used to evaluate the association between PEH and NDDs, stratified by disease type and country. RESULTS: We found that PEH had a 51% higher risk of NDDs (OR = 1.51 (95% CI: 1.21, 1.89)) compared with those with stable housing. Specifically, PEH had a significantly higher risk of developing multiple sclerosis (OR = 4.64 (95% CI: 1.96, 10.98)). Alzheimer's disease and related dementias (ADRD) (OR = 1.93 (95% CI: 1.34, 2.77)), dementia (OR = 1.69 (95% CI: 1.26, 2.27)), and cognitive impairment (OR = 1.07 (95% CI: 0.98, 1.16)) were all at higher risk. Furthermore, country and regional differences were observed, with countries such as Iran (OR = 4.64 (95% CI: 1.96, 10.98)), the Netherlands (OR = 2.14 (95% CI: 1.23, 3.73)), the United States (OR = 1.66 (95% CI: 1.25, 2.22)), and Canada (OR = 1.06 (95% CI: 1.01, 1.10)) showing a higher risk of NDDs among the PEH. CONCLUSIONS: The study emphasizes the significant NDD risks among PEH, providing novel perspectives on this issue and shedding light on national disparities influenced by variations in healthcare systems and social environments. This will be beneficial for academia and government to prioritize the health of PEH with NDDs, aiming to mitigate disease incidence and economic burdens while preserving social stability and upholding basic human rights.
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 | 0,013 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,043 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».