MétaCan
Menu
Retour à la cohorte
Enregistrement W1969696779 · doi:10.1017/s1744133108004556

Access to psycho-social resources and health: exploratory findings from a survey of the French population

2008· article· en· W1969696779 sur OpenAlexaff
Florence Jusot, Michel Grignon, Paul Dourgnon

Notice bibliographique

RevueHealth Economics Policy and Law · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensMcMaster UniversityInstitute of Health Economics
Organismes subventionnairesnon disponible
Mots-clésSocial engagementSocial capitalPsychologySocial positionAffect (linguistics)PopulationSocial psychologySocial mobilitySocial supportSocial inequalitySociologyInequalitySocial relationDemographySocial science

Résumé

récupéré en direct d'OpenAlex

We study the psycho-social determinants of self-assessed health in order to explain social inequalities in health in France. We use a unique general population survey to assess the respective impact on self-assessed health status of subjective perceptions of social capital, social support, and sense of control, controlling for standard socio-demographic factors (SES, income, education, age, and gender). The survey is unique in that it provides a variety of measures of self-perceived psycho-social resources (trust and civic engagement, social support, sense of control, and self-esteem). We find empirical support for the link between the subjective perception of psycho-social resources and health. Sense of control at work is the most important correlate of health status after income. Other important ones are civic engagement and social support. To a lesser extent, sense of being lower in the social hierarchy is associated with poorer health status. On the contrary, relative deprivation does not affect health in our survey. Since access to psycho-social resources is not equally distributed in the population, these findings suggest that psycho-social factors can partially explain of social inequalities in health in France.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,176
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,189
Tête enseignante GPT0,418
Écart entre enseignants0,229 · 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 tête enseignante, pas un consensus.

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

Citations18
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Economics Policy and LawMême sujetHealth disparities and outcomesTravaux en français237 207