Population Health across Space and Time: the Geographical Harmonisation of the Office for National Statistics Longitudinal Study for England and Wales
Notice bibliographique
Résumé
ABSTRACT There is a need in health research to identify whether inequalities are increasing or improving between different geographical areas. Both cross‐sectional time‐series and longitudinal/cohort studies contribute to our knowledge, with the Office for National Statistics Longitudinal Study (LS) for England and Wales being a major resource. However, any research into geographical change over time can be hampered by boundary change or when the geographical definition for which data are available is not the geography relevant to an analysis. We develop a method using population‐weighted centroids of estimating an LS member's location at a previous time point and then link this to a small‐area geography, the 2001 Census Output Areas. This is not so that analyses can be carried out at this scale but so that records can be linked to larger geographies or area classifications. A time‐series or longitudinal analysis can then be carried out and geographical trends observed. In terms of reliability, we find that accuracy improves with increasing size of geographical units and when area typologies are used. In example analyses using a geodemographic classification attached to LS members' records, we find that in a time series of cross‐sections, mortality improves across all area types but not to the same extent. A longitudinal analysis indicates that changes in the area types in which people were living lead to steeper health gradients than if people had stayed living in the same type of area. Differences, though, are small, suggesting that, in the main, there is little mobility between area types. We recommend that longitudinal and cohort studies retain the postcode of each member's address so that ongoing linkages can be made when administrative boundary changes occur and for relevance to application relevant geographies. Our method can be used to enhance previous records and thereby maximise previous investment in the collection of data. Copyright © 2012 John Wiley & Sons, Ltd.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,039 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».