MétaCan
Menu
Retour à la cohorte
Enregistrement W2097920343 · doi:10.1186/1476-072x-12-38

Cumulative disadvantage? Exploring relationships between neighbourhood deprivation trends (1991 to 2006) and mortality in New Zealand

2013· article· en· W2097920343 sur OpenAlexaff
Amber L. Pearson, Philippe Apparicio, Mylène Riva

Notice bibliographique

RevueInternational Journal of Health Geographics · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensWilfrid Laurier UniversityUniversité LavalCentre hospitalier de l'Université LavalInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésDecileDemographyPovertyRelative deprivationNeighbourhood (mathematics)Population healthSocioeconomic statusSocial deprivationInequalityPopulationPublic healthGeographyMedicineEnvironmental healthPsychologyStatistics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Area-level socioeconomic deprivation has been shown to exert an independent effect on both individual and population health outcomes and health-related behaviours. Evidence also suggests that health and economic inequalities in many countries are increasing in some areas but may be on the decline in others. While area-level deprivation at a single point in time is known to influence health, the literature relating to longitudinal deprivation of communities and associated health impacts is sparse. This research makes a methodological contribution to this literature. METHODS: Using a Latent Class Growth Model, we identified 12 deprivation trends (1991-2006) for small areas (n = 1621) in New Zealand. We then fitted regression models to assess the effects of trends of relative deprivation on a) all-cause mortality, and b) cardiovascular mortality (2005-2007) by census area unit. For comparison, we also fitted regression models to assess the effect of deprivation deciles (in 2006) on outcomes a) and b). RESULTS: Using trends, we found a positive association between deprivation and mortality, except for two trends for both all-cause and CVD-related mortality. When comparing trends and deciles of deprivation, we observed similar patterns. However, we found that AIC values were slightly lower for the model including deciles, indicating better model fit. CONCLUSION: While we found that current deprivation was a slightly better predictor of mortality, the approach used here offers a potentially useful alternative. Future deprivation research must consider the possible loss of information about health benefits of living in areas where relative deprivation has improved in cross-sectional analyses.

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)0,008
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 enseignants0,554
Score d'incertitude au seuil0,897

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,137
Tête enseignante GPT0,413
Écart entre enseignants0,276 · 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

Citations14
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Health GeographicsMême sujetHealth disparities and outcomesTravaux en français237 207