Using Microsimulation to Reassess Aging Trends in Canada
Notice bibliographique
Résumé
Population aging is the population issue of the XXI century and many indices are used to measure its level and pace. In Science (2010), Sanderson and Scherbov suggested improvements to the measure of elderly dependency ratio. They identified several limitations to the use of chronological age as the main variable and proposed a new index, the Adult Disability Dependency Ratio, defined as the number of adults at least 20 years old with disabilities divided by the number of similarly aged adults without disabilities. They used the Sullivan prevalence-based method by multiplying derived disability rates to macro population projections. They showed results for several ECE and OECD countries; results for Canada (see online annex, available at https://www.sciencemag.org/content/329/5997/1287/suppl/DC1) were derived using coefficients of Italy. However, disability is a complex multidimensional process (see Carrière, Keefe, Légaré, Lin, & Rowe, 2007; Légaré and Décarie, 2011), and microsimulation can take into account its implied complexity. Our results for Canada, presented here, exceed those in Science to show how more-sophisticated projections of disabled older adults can improve the analysis. We used LifePaths, a Statistics Canada's microsimulation model, to provide a perspective of the phenomena unobtainable with prevalence-based methods.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».