MétaCan
Menu
Retour à la cohorte
Enregistrement W2130039259 · doi:10.1093/aje/kwr355

Economic Conditions and Suicide Rates in New York City

2012· article· en· W2130039259 sur OpenAlexafffund
Arijit Nandi, Marta R. Prescott, Magdalena Cerdá, David Vlahov, Kenneth Tardiff, Sandro Galea

Notice bibliographique

RevueAmerican Journal of Epidemiology · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesUniversity of California, San FranciscoMailman School of Public Health, Columbia UniversityNational Institutes of HealthNational Institute on Drug AbuseMcGill University
Mots-clésDemographyPoison controlPopulationSocioeconomic statusSuicide preventionInjury preventionEconomicsMedicineGeographyEnvironmental healthSociology

Résumé

récupéré en direct d'OpenAlex

Extant analyses of the relation between economic conditions and population health were often based on annualized data and were susceptible to confounding by nonlinear time trends. In the present study, the authors used generalized additive models with nonparametric smoothing splines to examine the association between economic conditions, including levels of economic activity in New York State and the degree of volatility in the New York Stock Exchange, and monthly rates of death by suicide in New York City. The rate of suicide declined linearly from 8.1 per 100,000 people in 1990 to 4.8 per 100,000 people in 1999 and then remained stable from 1999 to 2006. In a generalized additive model in which the authors accounted for long-term and seasonal time trends, there was a negative association between monthly levels of economic activity and rates of suicide; the predicted rate of suicide was 0.12 per 100,000 persons lower when economic activity was at its peak compared with when it was at its nadir. The relation between economic activity and suicide differed by race/ethnicity and sex. Stock market volatility was not associated with suicide rates. Further work is needed to elucidate pathways that link economic conditions and suicide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,015
Score d'incertitude au seuil0,441

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,158
Tête enseignante GPT0,480
Écart entre enseignants0,322 · 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 tête enseignante, 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

Citations60
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of EpidemiologyMême sujetEmployment and Welfare StudiesTravaux en français237 207