MétaCan
Menu
Retour à la cohorte
Enregistrement W2134980542 · doi:10.1186/1475-9276-11-8

Examining the gender, ethnicity, and age dimensions of the healthy immigrant effect: Factors in the development of equitable health policy

2012· article· en· W2134980542 sur OpenAlexaffabout
Karen Kobayashi, Steven G. Prus

Notice bibliographique

RevueInternational Journal for Equity in Health · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésImmigrationEthnic groupDisadvantagedMedicineGerontologyDemographyPublic healthHealth equitySocial policySociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

This study expands on previous research on the healthy immigrant effect (HIE) in Canada by considering the effects of both immigrant and visible minority status on self-rated health for males and females in mid-(45-64) and later life (65+). The findings reveal a strong HIE among new immigrant middle-aged men, particularly non-Whites. For older men of color the reality is strikingly different: they are disadvantaged in health compared to their Canadian-born counterparts, even when a number of demographic, economic, and lifestyle factors are controlled. Health outcomes for immigrant women are in contrast to that of immigrant men. Among middle-aged women, immigrants, regardless of their ethnicity or number of years since immigration, are much more likely to report poor health compared to the Canadian-born. And, for older women, recent non-white immigrants are more likely to report better health compared to Canadian-born women, although this finding is explained by differences in demographic, economic, and lifestyle factors. Overall, the findings demonstrate the importance of considering the intersections of age, gender, and ethnicity for policymakers in assessing the health of immigrants.

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)0,006
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,188
Score d'incertitude au seuil0,373

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,219
Tête enseignante GPT0,499
Écart entre enseignants0,280 · 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

Citations58
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Equity in HealthMême sujetMigration, Health and TraumaTravaux en français237 207