MétaCan
Menu
← Back to cohort
Record W7162008236 · doi:10.82308/32607

Is high socioeconomic status a risk factor for multiple sclerosis?

2015· dissertation· en· W7162008236 on OpenAlexaboutno aff
Robert Goulden

Bibliographic record

Venuenot available
Typedissertation
Languageen
FieldMedicine
TopicMultiple Sclerosis Research Studies
Canadian institutionsnot available
Fundersnot available
KeywordsRisk factorSocial riskCoronavirus disease 2019 (COVID-19)

Abstract

fetched live from OpenAlex

La sclérose en plaques (SP) est une maladie chronique qui se caractérise par l'inflammation et la neurodégénérescence du système nerveux central. Les chercheurs ont identifié il y a plus de 50 ans que les personnes ayant un statut socioéconomique (SSE) élevé présentaient un risque accru de développer la SP. Ces observations se démarquent de la tendance plus répandue voulant que les problèmes de santé soient associés à un faible SSE. La prévalence de la plupart des facteurs de risque de la SP, comme le tabagisme, l'obésité et l'exposition au virus Epstein-Barr à un âge avancé, varie selon le SSE. Ceci fournit ainsi des trajectoires par lesquelles le SSE peut influencer le risque de développer la maladie. Autrement, la susceptibilité à la maladie pourrait être influencée par les changements immunitaires liés au stress associé au SSE. Deux études ont été menées dans le cadre de cette thèse par articles afin de définir la force et la nature de l'association entre le SSE et la SP.Le premier article présente une revue systématique d'études par cohorte et cas-témoins ayant examiné le lien entre le SSE et le risque de développer la SP. Au total, 21 articles ont été conservés. De ceux-ci, cinq études, chacune issue de pays ayant une inégalité du revenu prononcée, ont rapporté un lien entre un SSE élevé et un risque accru de développer la SP. Treize études ont, quant à elles, indiqué avoir trop peu d'éléments pour conclure à une association et deux études ont rapporté une association avec un SSE faible; à noter que ces études provenaient principalement de pays plus égalitaires. Peu d'études ont réussi à contrôler adéquatement pour tous les médiateurs et les variables de confusion importants, ce qui empêche d'obtenir des conclusions claires sur la nature du lien entre le SSE et la SP.Le deuxième article est une analyse originale de l'association entre le SSE et le développement de la SP à l'aide de données tirées de l'étude cas-témoin multinationale sur les facteurs de risque environnementaux de la SP (EnviMS). La population étudiée était composée de 2 144 cas et de 3 859 témoins vivant en Norvège, au Canada et en Italie. Une analyse de régression logistique multiple a été faite pour évaluer le lien entre le SSE et la SP, où le SSE était mesuré par le niveau de scolarité des parents. Les analyses ont été ajustées pour l'âge, le sexe, l'exposition au soleil, les antécédents de mononucléose infectieuse, le tabagisme, l'obésité et la taille de la famille. Au Canada, le rapport de cotes (IC de 95 %) pour la SP chez les personnes dont les parents ont été à l'université en comparaison avec ceux dont les parents ont une éducation primaire ou moins était de 1,47 (1,03-2,09), avec une relation dose-réponse statistiquement significative pour tous les niveaux de scolarité (p de tendance = 0,029). En Norvège, cette association a été observée uniquement chez les gens qui ont grandi pendant une période où les inégalités augmentaient (p de tendance = 0,031). Aucun indice d'association n'a été observé en Italie.Ces deux études soutiennent seulement en partie l'association entre un SSE élevé et un risque accru de développer la SP. Ces observations pourraient être expliquées par les âges différents d'exposition au virus Epstein-Barr selon la classe sociale ou les changements immunitaires liés au stress associés au SSE.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.005
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.012
Threshold uncertainty score0.024

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.005
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0010.002
Science and technology studies0.0010.001
Scholarly communication0.0010.001
Open science0.0000.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0050.000

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.

Opus teacher head0.113
GPT teacher head0.367
Teacher spread0.254 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2015
Admission routes1
Has abstractyes

Explore more

Same topicMultiple Sclerosis Research Studies→French-language works237,207→