Estimating the risk of non-communicable diseases based on behavioral risk factors and the social determinants of health: a case study of Canada
Notice bibliographique
Résumé
Non-communicable diseases (NCDs) are an increasing social health concern.NCDs have been increasing over time, leading to an increase in the amount of morbidity and mortality around the world.This study investigates the risk factors of noncommunicable diseases in Canada.Several risk factors are known to impact the prevalence of NCDs, including lifestyle, habits, social and socioeconomic factors.This study focuses specifically on behavioral risk factors and the social determinants of health.The effect of behavioral risk factors (BRFs) and the social determinants of health (SDOH) on the probability of Canadians developing a NCD were examined.The BRFs included in the analysis were: alcohol consumption, tobacco use, physical activity, fruit and vegetable consumption, food choices, and body mass index.The SDOH included in the investigation were: age, gender, marital status, income, education, employment and food security, health care services and health care utilization.The Canadian Community Health Survey (CCHS2012) was used to evaluate the Canadian situation.Nine Probit models were developed to estimate the impact of each risk factor on the probability of having a NCD.The Probit models were estimated for the Canadian population and for female and male Canadians.The results for the BRFs for the Canadian population indicated that: alcohol consumption, tobacco use, physical activity, choosing food with low fat, fiber content and avoiding food high in salt, cholesterol and calorie content and body mass index, such as underweight, overweight and obese were statistically significant.The statistically significant SDOH for Canadians were: age, food security, employment, education, access to healthcare services and health care utilization Firstly, I thank God who creates me, gives me energy and makes me strong to go through this journey.After that, I would like to express my gratefulness to the director of Department of Agricultural Economics, Dr. Paul Thomassin for his support and direction.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».