Assessing socioeconomic effects on different sized populations: To weight or not to weight?
Notice bibliographique
Résumé
OBJECTIVE: Researchers in health care often use ecological data from population aggregates of different sizes. This paper deals with a fundamental methodological issue relating to the use of such data. This study investigates the question of whether, in doing analyses involving different areas, the estimating equations should be weighted by the populations of those areas. It is argued that the correct answer to that question turns on some deep epistemological issues that have been little considered in the public health literature. DESIGN: To illustrate the issue, an example is presented that estimates entitlements to primary physician visits in Manitoba, Canada based on age/gender and socioeconomic status using both population weighted and unweighted regression analyses. SETTING AND SUBJECTS: The entire population of the province furnish the data. Primary care visits to physicians based on administrative data, demographics and a measure of socioeconomic status (SERI), based on census data, constitute the measures. RESULTS: Significant differences between weighted and unweighted analyses are shown to emerge, with the weighted analyses biasing entitlements towards the more populous and advantaged population. CONCLUSIONS: The authors endorse the position that, in certain problems, data analyses involving population aggregates unweighted by population size are more appropriate and normatively justifiable than are analyses weighted by population. In particular, when the aggregated units make sense, theoretically, as units, it is more appropriate to carry out the analyses without weighting by the size of the units. Unweighted analyses yield more valid estimations.
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 | 0,089 | 0,323 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,009 |
| Communication savante | 0,003 | 0,007 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».