The prevalence of food allergy in Canada: a focus on vulnerable populations
Notice bibliographique
Résumé
Pour mieux comprendre la charge des allergies alimentaires au Canada, cette thèse : 1) fourni des estimations de la prévalence des allergies aux aliments communs parmi ceux avec un faible niveau d’éducation, un revenu en bas de la moyenne, des immigrants qui sont arrivés au Canada dans les derniers dix ans, et ceux qui s’identifient comme ayant une identité autochtone (les populations vulnérables), 2) étudie la préscription et la disponibilité de l’autoinjecteur d’épinephrine (AIE) parmi ces populations, et 3) explore l’effet des bias causés par un taux de réponse bas sur la prévalence des allergies alimentaires. Nous avons utilisés les donnés du recensement canadien de l’an 2006 pour pouvoir identifier les codes postaux avec les proportions de populations vulnérables les plus hautes. Des maisons parmi ces codes postaux ont été sélectionnées en façon aléatoire pour participer a un sondage téléphonique. Des informations sur les allergies alimentaires, la prescription et la disponibilité de l’AIE, et les démographiques, ont été receuillies. Pour ceux qui ont refusés de participer au sondage complet, un questionnaire de refus très court a été administrer, qui a évalué si les membres de la famille avaient des allergies alimentaires. Des estimations de la prévalence des allergies alimentaires ont été adjuster en utilisant les donnés du recensement canadien pour prendre en consideration l’échantillonnage ciblé. La regression logistique multivariable a été utilisé pour identifier les prédicteurs des allergies alimentaires, de la prescription et de la disponibilité de l’AIE. L’imputation multiple a été utilisée pour générer des estimations de prévalences ajustées pour le bias causés par un taux de réponse bas. Des 12,762 maisons éligibles, 5,734 maisons (15,022 individus) ont complétés le questionnaire (taux de réponse de 45%), 524 maisons ont completes le questionnaire de refus (un 4% additionnelle), et les 6,504 maisons qui restent ont répondus au téléphone mais ont refusés de répondre aux questions. 3,224 maisons additionnelles n’ont jamais répondu au téléphone. Parmi ceux qui ont complétés le questionnaire, la prévalence d’allergies auto-évalué non-ajusté était de 6.4%, et avec l’ajustement, 7.5%. Les allergies alimentaires étaient moins communes chez les adultes sans éducation post-secondaire et les nouveaux immigrants. Il n’y avait aucune différence en ce qui concerne le revenue ni l’identité autochtone. Pour l’analyse du bias causés par un taux de réponse bas, neuf estimations ont été obtenus pour la prévalence auto-évaluée, allant de 3.0% à 5.4%. En ce qui concerne l’analyse multivariable pour la prescription de l’AIE, ceux ayant une éducation plus élevé ont une chance plus élevés d’avoir été prescrit l’AIE. Il n’y avait aucune différence en ce qui concerne la disponibilité de l’AIE. Notre étude suggère que certains groupes vulnérables au Canada auto-évalue moins d’allergies alimentaires et de prescriptions pour l’AIE, qui pourrait être une observation réele ou qui pourrait être causé par un manque de services de santé ou un manque d’éducation pour les allergies alimentaires. Cela suggère des lacunes dans le système politique qui doivent être addréssées pour que tout les canadiens aient la même opportunité pour chercher et recevoir des soins de santé. En étant que la prévalence non-ajustée parmi les participants qui ont completes le questionnaire était plus élevé que tout les estimations ajustées, c’est evident que le taux de réponse peux causer un bias important dans l’estimation de la prévalence des allergies alimentaires, et que nous devrions prendre soin de ne pas ignorer ce bias. Notre projet souligne l’imprtance de maximiser le taux de réponse durant la phase conception de l’étude, et en même temps, c’est important de reconnaître que le bias est probablement encore présent et devrait être considéré dans l’analyse des données.
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 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».