Integrating Socio-Economic Determinants of Canadian Women's Health
Notice bibliographique
Résumé
HEALTH ISSUE: The association between a number of socio-economic determinants and health has been amply demonstrated in Canada and elsewhere. Over the past decades, women's increased labour force participation and changing family structure, among other changes in the socio-economic environment, have altered social roles considerably and lead one to expect that the pattern of disparities in health among women and men will also have changed. Using data from the CCHS (2000), this chapter investigates the association between selected socio-economic determinants of health and two specific self-reported outcomes among women and men: (a) self-perceived health and (b) self-reports of chronic conditions. KEY FINDINGS: The descriptive picture demonstrated by this CCHS dataset is that 10% of men aged 65 and over report low income, versus 23% of women within the same age bracket. The results of the logistic regression models calculated for women and men on two outcome variables suggest that the selected socio-economic determinants used in this analysis are important for women and for men in a differential manner. These results while supporting other results illustrate the need to refine social and economic characteristics used in surveys such as the CCHS so that they would become more accurate predictors of health status given that there are personal, cultural and environmental dimensions to take into account. RECOMMENDATIONS: Because it was shown that socio economic determinants of health are context sensitive and evolve over time, studies should be designed to examine the complex temporal interactions between a variety of social and biological determinants of health from a life course perspective. Examples are provided in the chapter.
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 | 0,004 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».