Social and lifestyle predictors of perceived health in the United States: A replication and extension of Statistics Canada.
Notice bibliographique
Résumé
Using United States Behavioral Risk Factor Surveillance Survey (BRFSS) and Census data, this study replicated and extended previous research conducted using the Canadian Community Health Survey (CCHS) by Statistics Canada. It examines the associations among both lifestyle and social determinants predictors and a criterion of perceived health. Results were also compared cross-culturally (United States and Canada). The study used secondary data analysis of 2000 and 2001 United States and Census data. In particular, multiple linear regression (MLR) and hierarchical linear modeling (HLM) were used to analyze state and individual-level data. Unlike data at the aggregate level (Canadian health regions and states of the United States), results at the individual-level were consistent across the United States and Canada. Social determinants of health (socioeconomics) were better predictors of health than lifestyle (behaviors). Individual-level socioeconomic characteristics and lifestyle were better predictors than higher level contexts (i.e., characteristics of a state or health regions). The findings of this study suggest that health educators should further research, and increase the focus in teaching and service on, social determinants of health in addition to efforts emphasizing lifestyles (health behaviors). This recommendation aligns with the soon to be released Healthy People 2020 that will add social determinants of health as a priority area for public health.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».