Income inequality among American states and the incidence of major depression
Notice bibliographique
Résumé
BACKGROUND: Although cross-sectional and ecological studies have shown that higher area-level income inequality is related to increased risk for depression, few longitudinal studies have been conducted. This investigation examines the relationship between state-level income inequality and major depression among adults participating in a population-based, representative longitudinal study. METHODS: We used data from the National Epidemiologic Survey on Alcohol and Related Conditions (n=34 653). Respondents completed structured diagnostic interviews at baseline (2001-2002) and follow-up (2004-2005). Weighted multilevel modelling was used to determine if U.S. state-level income inequality (measured by the Gini coefficient) was a significant predictor of depression at baseline and at follow-up, while controlling for individual-level and state-level covariates. We also repeated the longitudinal analyses, excluding those who had a history of depression or at baseline, in order to test whether income inequality was related to incident depression. RESULTS: State-level inequality was associated with increased incidence of depression among women but not men. In comparison to women residing in states belonging to the lowest quintile of income inequality, women were at increased risk for depression in the second (OR=1.18, 95% CI 0.86 to 1.62), third (OR=1.22, 95% CI 0.91 to 1.62), fourth (OR=1.37, 95% CI 1.03 to 1.82) and fifth (OR=1.50, 95% CI 1.14 to 1.96) quintiles at follow-up (p<0.05 for the linear trend). CONCLUSIONS: Living in a state with higher income inequality increases the risk for the development of depression among women.
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 | 0,015 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».