Validity of Self‐Report Data in Hypertension Research: Findings From The Study on Global Ageing and Adult Health
Notice bibliographique
Résumé
Several studies indicate little congruence between self-report and biometric data, yet very few have examined the reasons for such differences. This paper contributes to the limited but growing body of literature that tracks inconsistent reports of hypertension using data from the Study on Global Ageing and Adult Health (SAGE). Focusing on five countries with different levels of development (Ghana, China, India, South Africa, and Russia), this study offers a comparative perspective that is missing in the literature. Data were obtained from wave 1 of SAGE collected in 2007/2008. A multinomial logit model was used to examine the effects of demographic and socioeconomic variables on the likelihood of respondents self-reporting that they are not hypertensive when their biometric data show otherwise. The authors also model the likelihood of respondents self-reporting that they are hypertensive when in fact their biometric data show they are not. Socioeconomic and demographic variables were shown to be significantly associated with inconsistent reporting of hypertension. For instance, it was observed that wealth was associated with a lower likelihood of self-reporting that one is not hypertensive when their biometric data indicate otherwise. Tracking such inconsistent reports is crucial to minimizing measurement errors and generating unbiased and more precise parameter estimates in hypertension research.
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 | 0,017 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».