Small area contextual effects on self-reported health: Evidence from Riverside, Calgary
Notice bibliographique
Résumé
BACKGROUND: We study geographic variation within one community in the City of Calgary using a more fine-grained geographic unit than the Census tract, the Census Dissemination Area (DA). While most Riverside residents consider their neighbourhood to be a fairly cohesive community, we explore the effect of socio-economic variation between these small geographic areas on individuals' self-reported health, net of individual level determinants. METHODS: We merge data from the 2001 Census for Riverside, Calgary with a 2004 random telephone survey of Riverside residents. Our data are unique in that we have information on individuals from every DA wholly contained in the Riverside community. These data enable us to conduct multinomial logistic regression analyses of self-reported health using both individual-level and DA-level variables as predictors. RESULTS: We find significant variation in measures of DA socio-economic status within the Riverside community. We find that individual self-reported health is affected by variation in an index of DA-level socio-economic disadvantage, controlling for individual variation in gender, age, and socio-economic status. We investigate each aspect of the DA index of disadvantage separately, and find that average education and the percent of households that are headed by a lone parent are most important. CONCLUSIONS: These findings demonstrate that, even within a cohesive community, contextual effects on health can be located at a smaller geographic level than the Census tract. Research on the effects of local area socio-economic disadvantage on health that combines administrative and survey data enables researchers to develop more comprehensive measures of social and material deprivation. Our findings suggest that both social and material deprivation affect health at the local level.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».