Liens existant entre les maladies chroniques, l’âge et l’état de santé physique et mental
Bibliographic record
Abstract
Le présent article examine les liens existant entre les maladies chroniques, l’âge et la qualité de vie liée à la santé (QVLS) physique et mentale, à l’aide de données recueillies dans le cadre de dix études portant sur cinq maladies chroniques. La QVLS a été mesurée à l’aide du SF-36 ou de sa version sommaire, le SF-12. Les scores du Sommaire de la composante physique (SCP) et du Sommaire de la composante mentale (SCM) ont été représentés sur un graphique selon la maladie chronique, par groupes d’âge de 10 ans, et comparés avec des données normatives ajustées en fonction de l’âge et du sexe. Les modèles de régression linéaire relatifs au SCP et au SCM ont été corrigés en fonction des variables confusionnelles existantes. Sur les 2 418 participants qui composaient l’échantillon, 129 sujets étaient atteints d’insuffisance rénale, 366, d’arthrose, 487, d’insuffisance cardiaque, 1 160 présentaient des plaies chroniques (p. ex., ulcère à la jambe) et 276 étaient atteints de sclérose en plaques (SEP). D’importantes différences ont été notées quant au SCP entre les données normatives et les scores moyens des sujets atteints de maladies chroniques, mais ces différences étaient négligeables pour ce qui était du SCM. Le fait d’être une femme et de présenter des comorbidités était associé à une QVLS moins bonne; l’âge avancé était associé à un SCP plus faible et à un meilleur SCM. Cette étude a permis de confirmer que même si la fonction physique pouvait être gravement affectée à la fois par des maladies chroniques et l’âge avancé, la santé mentale demeure relativement bonne et stable.
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 | 0.003 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".