Модели социальных детерминант здоровья и психического, когнитивного и физического здоровья детей

Patterns of Social Determinants of Health and Child Mental Health, Cognition, and Physical Health
Yunyu Xiao, J. John Mann, Julian Chun‐Chung Chow, Timothy T. Brown, Lonnie R. Snowden, Paul Siu-Fai Yip, Alexander C. Tsai, Yu Hou, Jyotishman Pathak, Fei Wang, Chang Su
2023-10-16

исследование Adolescent Brain Cognitive Developmentпсихическое здоровье детейиерархическая агломеративная кластеризациярегрессия со смешанными эффектамисоциальные детерминанты здоровья
Важность: Социальные детерминанты здоровья (СДЗ) влияют на здоровье детей. Однако в большинстве предыдущих исследований использовались отдельные, небольшие наборы или выборочные переменные СДЗ; при этом не изучались объективно рассчитанные модели СДЗ на основе многомерных факторов СДЗ для анализа их связей с психическим, когнитивным и физическим здоровьем детей. Цель: Выявить модели СДЗ и оценить их связи с показателями психического, когнитивного и физического развития детей. Дизайн, место проведения и участники: В это популяционное когортное исследование вошли дети в возрасте от 9 до 10 лет на исходном этапе и их опекуны, включенные в исследование Adolescent Brain Cognitive Development (ABCD) в период с 2016 по 2021 год. Исследование ABCD включает 21 центр в 17 штатах. Факторы воздействия: Были изучены 84 геокодированные переменные на уровне районов, охватывающие 7 областей СДЗ: предвзятость, образование, физическая инфраструктура и инфраструктура здравоохранения, природная среда, социально-экономический статус, социальный контекст, а также преступность и наркотики. Для выявления моделей СДЗ использовали иерархическую агломеративную кластеризацию. Основные исходы и показатели: Связи СДЗ с психическим здоровьем детей (интернализирующим и экстернализирующим поведением), суицидальным поведением, когнитивными функциями (результативностью и навыками чтения) и физическим здоровьем (индексом массы тела, физической активностью и нарушениями сна) оценивали с помощью линейных и логистических регрессионных моделей со смешанными эффектами. Результаты: Среди 10 504 детей (медианный возраст на исходном этапе [СО] — 9,9 [0,6] года; 5510 мальчиков [52,5%] и 4994 девочек [47,5%]; 229 азиатов [2,2%], 1468 чернокожих [14,0%], 2128 латиноамериканцев [20,3%], 5565 белых [53,0%] и 1108 детей смешанного происхождения [10,5%]) были выявлены 4 модели СДЗ: модель 1 — высокий уровень благосостояния (4078 детей [38,8%]); модель 2 — среда с высоким уровнем стигматизации (2661 ребенок [25,3%]); модель 3 — высокий уровень социально-экономической депривации (2653 ребенка [25,3%]); модель 4 — высокий уровень преступности и торговли наркотиками, низкий уровень образования и высокая плотность населения (1112 детей [10,6%]). Модели СДЗ отчетливо ассоциировались...
1
Аннотация обрывается до представления конкретных связей и оценок эффектов для каждого паттерна социальных детерминант здоровья.
2
Были выявлены четыре паттерна: благополучие, среда с высоким уровнем стигматизации, высокая социально-экономическая депривация, а также высокий уровень преступности и продаж наркотиков при низком образовании и высокой плотности населения.
3
Исследование оценивало связи выявленных на основе данных паттернов социальных детерминант здоровья с психическим здоровьем, когнитивными и физическими показателями детей с помощью моделей регрессии со смешанными эффектами.
4
Используя 84 переменные районного уровня из семи областей социальных детерминант здоровья, исследование выявило четыре различных паттерна среди 10 504 детей когорты ABCD.

Дети в возрасте от 9 до 10 лет и их опекуны, участвующие в исследовании Adolescent Brain Cognitive Development (ABCD), рассматриваемые в связи с социальными детерминантами здоровья на уровне района проживания

Связи рассчитанных паттернов социальных детерминант здоровья на уровне района проживания с показателями психического здоровья, когнитивных функций и физического здоровья детей

Publication Details
Publication Date
2023-10-16
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Yunyu Xiao
J. John Mann
Julian Chun‐Chung Chow
Timothy T. Brown
Lonnie R. Snowden
Paul Siu-Fai Yip
Alexander C. Tsai
Yu Hou
Jyotishman Pathak
Fei Wang
Chang Su
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%