MétaCan
Menu
← Retour à la cohorte
Enregistrement W7162035922 · doi:10.82308/33824

Estimating the risk of non-communicable diseases based on behavioral risk factors and the social determinants of health: a case study of Canada

2017· dissertation· en· W7162035922 sur OpenAlexaboutno aff
Maryam Alhashmi

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial riskSocial determinants of healthSocial inequalitySocial impact

Résumé

récupéré en direct d'OpenAlex

La question des maladies non transmissibles (NCD) est un problème de santé sociale croissante. Le NCD a augmenté au fil du temps, conduisant à une augmentation du taux de morbidité et de mortalité dans les pays développés et les pays développés. Cette étude examine les facteurs de risque communs de maladies non transmissibles entre un pays développé, le Canada et un pays en développement, au Mexique. Plusieurs facteurs de risque sont connus pour influer sur la prévalence des maladies non transmissibles, y compris le mode de vie, les habitudes, les facteurs sociaux et socio-économiques. Cette étude se concentre spécifiquement sur les facteurs de risque comportementaux et les déterminants sociaux de la santé. L'effet des facteurs de risque comportementaux (BRF) et les déterminants sociaux de la santé (SDOH) sur la probabilité des individus canadiens et mexicains pour développer des NCD ont été examinés. Le (BRF) inclus la consommation d'alcool, la consommation de tabac, activités physiques, la consommation de fruits et de légumes, les choix alimentaires et indice de masse corporelle alors que le (SDOH) comprenaient l'âge, le sexe, l'état matrimonial, le revenu, l'éducation, l'emploi et la sécurité alimentaire, les services de soins de santé et l'utilisation des soins de santé. L'Enquête canadienne sur la santé communautaire (CCHS2012) est utilisé pour évaluer la réalité canadienne. Un modèle de régression probit est utilisés pour l'analyse statistique. Les résultats illustrés que le BRF et SDOH sont associés à la probabilité des individus d'avoir des maladies non transmissibles. Par exemple, les résultats ont montré que le BRF et le SDOH sont associés à la probabilité pour les individus d'avoir une NCD. Les résultats de la consommation d'alcool, la consommation de tabac, les activités physiques, le choix d'aliments à faible teneur en matière grasse, la teneur en fibres et l'évitement des aliments en raison de leur teneur en sel, en cholestérol et en calories et en indice de masse corporelle, . D'autre part, les résultats de SDOH tels que l'âge, la sécurité alimentaire, l'emploi, l'éducation, l'accès aux services de santé et l'utilisation des soins de santé sont statistiquement significatifs pour l'ensemble des Canadiens.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,259

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0040,001
Communication savante0,0020,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,383
Écart entre enseignants0,329 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGlobal Public Health Policies and Epidemiology→Travaux en français237 207→