Aligning Method with Theory: A Comparison of Two Approaches to Modeling the Social Determinants of Health
Notice bibliographique
Résumé
There is increasing interest in the study of the social determinants of maternal and child health. While there has been growth in the theory and empirical evidence about social determinants, less attention has been paid to the kind of modeling that should be used to understand the impact of social exposures on well-being. We analyzed data from the nationwide 2006 Canadian Maternity Experiences Survey to compare the pervasive disease-specific model to a model that captures the generalized health impact (GHI) of social exposures, namely low socioeconomic position. The GHI model uses a composite of adverse conditions that stem from low socioeconomic position: adverse birth outcomes, postpartum depression, severe abuse, stressful life events, and hospitalization during pregnancy. Adjusted prevalence ratios and 95% confidence intervals from disease-specific models for low income (<20,000/year) compared to high income (≥ 80,000/year) ranged from a low of 1.43 (1.09-1.85) for adverse birth outcomes to a high of 5.69 (3.59-8.84) for stressful life events. Estimates from the GHI model for experiencing three to five conditions yielded a prevalence ratio of 18.72 (9.29-35.77) and a total population attributable fraction of 78%. While disease-specific models are important for uncovering etiological factors for specific conditions, models that capture GHIs might be an attractive alternative when the focus of interest is on measuring and understanding the myriad consequences of adverse social determinants of 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 | 0,005 | 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 | 0,002 | 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 ».