Prévalence et profils de la multimorbidité au Canada et déterminants associés
Bibliographic record
Abstract
Introduction La prise en compte de la multimorbidité est de plus en plus reconnue comme un élément fondamental de la prévention et de la prise en charge des affections chroniques. Cette étude porte sur la prévalence et les corrélats de la multimorbidité chez les adultes canadiens en fonction de l’âge et de certains autres déterminants clés. Méthodologie Nous avons extrait des données portant sur 105 416 adultes canadiens ayant répondu à l’Enquête sur la santé dans les collectivités canadiennes de 2011-2012. Nous les avons analysées en fonction du nombre d’affections concomitantes présentes (deux ou plus ou trois ou plus, sur une liste de neuf) et nous avons cherché à caractériser les déterminants de la multimorbidité à l’aide de régressions. Résultats D’après notre analyse, 12,9 % des Canadiens souffraient de deux affections chroniques ou plus et 3,9 % de trois ou plus. Les répondants ayant déclaré souffrir de trois affections chroniques ou plus étaient plus susceptibles d’être des femmes, d’être plus âgés, de faire partie d’un ménage dont le revenu fait partie du quintile le plus faible et dont le niveau de scolarité le plus élevé de l’un des membres était inférieur aux études secondaires. La multimorbidité en lien avec le dénuement social était associée à une cote de 3,7 dans la population en général, mais de 7,5 chez les 35 à 49 ans et de 5,9 chez les 50 à 64 ans, soit la population d’âge moyen. Conclusion La proportion de Canadiens atteints de multiples affections chroniques étant en augmentation, nous devons adopter, pour étudier les affections chroniques et leurs facteurs en amont, une approche globale qui tienne compte de la multimorbidité, afin d’agir de manière globale et adaptée au contexte pour favoriser une vie saine et une meilleure qualité de vie et pour réduire les coûts des soins de santé et la mortalité. On devrait particulièrement tenir compte du rôle joué par le dénuement social dans l’apparition de la multimorbidité, car non seulement les Canadiens du groupe socioéconomique le plus démuni sont plus susceptibles de souffrir de multimorbidité, mais celle-ci surgira aussi probablement beaucoup plus précocement.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".