Comorbidité entre maladies chroniques et problèmes de santé mentale fréquents : Différences entre francophones et anglophones
Bibliographic record
Abstract
L’étude examine la prévalence de comorbidité entre certaines maladies physiques chroniques et de santé mentale, en prenant compte de la variable linguistique. Les données sont tirées du cycle 1.2 de l’Enquête sur la santé dans les collectivités canadiennes (n=3118). Les anglophones (95%) et les francophones (5%) sont identifiés itravets un algorithme considérant la langue maternelle, celle de conversation, de l’entrevue et préférée lors de l’enquête. Les prévalences de six troubles de santé mentale et de six maladies chroniques imt été pondérée° avec la méthode bootstrap et rapportés pour chaque groupe linguistique. Des modèles de régression logistique estiment la présence des troubles de maladies mentales en fonction des maladies chroniques, Fobromyalgie, arthrite, maladies cardiaques et bronchites chroniques sont plus fréquentes chez les francophones. qui présentent aussi une prévalence plus élevée de stress, de phobie sociale et d’insomnie. Indépendamment de la langue, il existait un risque plus élevé de rapporter de° comorbidités en santé mentale en présence des maladies chroniques considérées. Les francophones sont plus à risque que les anglophones de rapporter l’insomnie en présence de maladies cardiaques ainsi que la dépression en présence de fibromyalgie. La taille de l’échantillon des francophones ne permettait pas parfois de déceler une différence significative avec la population générale ou avec le groupe anglophone. Le dépistage des maladies mentales chez les patients souttrant de maladies chroniques est essentiel. Les différences entre les groupes linguistiques doivent être explorées dans le cadre d’échantillons plus représentatifs.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".