The association between total social exposure and incident multimorbidity: A population-based cohort study
Notice bibliographique
Résumé
Background: Multimorbidity, the co-occurrence of two or more chronic conditions, is associated with the social determinants of health. Using comprehensive linked population-representative data, we sought to understand the combined effect of multiple social determinants on multimorbidity incidence in Ontario, Canada. Methods: Ontario respondents aged 20-55 in 2001-2011 cycles of the Canadian Community Health Survey were linked to administrative health data ascertain multimorbidity status until 2022. Additive total social exposure (TSE) was generated by summing 12 measures of social disadvantage captured from the survey. Weighted-additive TSE included 15 measures of social disadvantage summed across 5 equally weighted domains. Hazard ratios for the association between each TSE measure and multimorbidity were estimated using competing risk Cox-proportional hazards models. All analyses were sex-stratified. Results: Both additive and weighted-additive TSE were associated with an increased risk of multimorbidity among females and males. A social gradient was observed for multimorbidity risk in all models. While adjusted models were attenuated, an increased risk of multimorbidity was observed among those experiencing the most social disadvantage, compared to those with the least social disadvantage in additive (HR Females = 2.16; 95%CI = 1.63, 2.86; HR Males = 1.90; 95%CI = 1.52, 2.38) and weighted-additive (HR Females = 1.94; 95%CI = 1.49, 2.53; HR Males = 1.72; 95%CI = 1.41, 2.10) models. The observed social gradient was retained. Conclusions: These findings demonstrate the importance of considering the cumulative effects of multiple social determinants of health on multimorbidity.
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 | 0,001 | 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 ».