MétaCan
Menu
← Retour à la cohorte
Enregistrement W1605403500

Measuring Differences in the Effect of Social Resource Factors on the Health of Elderly Canadian Men and Women

2001· preprint· en· W1605403500 sur OpenAlexaffabout
Steven G. Prus, Ellen M. Gee

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2001
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensSimon Fraser UniversityCarleton University
Organismes subventionnairesnon disponible
Mots-clésPsychosocialGerontologySocial determinants of healthHealth promotionHealth careSocial supportMedicineRace and healthPsychologyPopulationPublic healthSocioeconomic statusEnvironmental healthPsychiatryPolitical scienceSocial psychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

It is well-documented that differences in the exposure to social resources play a significant role in influencing gender inequalities in health in old age. It is less clear in the literature if social factors have a differential impact on the health of older men and women. This paper examines gender differences in the patterns of social predictors of health among elderly persons. Using data from the 1998-1999 Canadian National Population Health Survey, the findings show that differences in socio-economic, lifestyle, and psychosocial resources contribute to variation in the health status of elderly persons in terms of self-rated health and functional and chronic health. Many of these predictors of health, however, differ in their effect on health between elderly males and females. The impact of age and exercise on health is larger for older women compared to older men, yet income, smoking, level of social support, and distress have a greater effect on health for older men than they do for older women. These gender differences have important policy implications for health-care promotion and delivery services. Health policy needs to reflect the underlying social determinants of health, and their differential influence on the health of elderly men and women.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,352
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetHealth disparities and outcomes→Travaux en français237 207→