Public awareness of income-related health inequalities in Ontario, Canada
Notice bibliographique
Résumé
INTRODUCTION: Continued action is needed to tackle health inequalities in Canada, as those of lower income continue to be at higher risk for a range of negative health outcomes. There is arguably a lack of political will to implement policy change in this respect. As a result, we investigated public awareness of income-related health inequalities in a generally representative sample of Ontarians in late 2010. METHODS: Data were collected from 2,006 Ontario adults using a telephone survey. The survey asked participants to agree or disagree with various statements asserting that there are or are not health inequalities in general and by income in Ontario, including questions pertaining to nine specific conditions for which inequalities have been described in Ontario. A multi-stage process using binary logistic regression determined whether awareness of health inequalities differed between participant subgroups. RESULTS: Almost 73% of this sample of Ontarians agreed with the general premise that not all people are equally healthy in Ontario, but fewer participants were aware of health inequalities between the rich and the poor (53%-64%, depending on the framing of the question). Awareness of income-related inequalities in specific outcomes was considerably lower, ranging from 18% for accidents to 35% for obesity. CONCLUSIONS: This is the first province-wide study in Canada, and the first in Ontario, to explore public awareness on health inequalities. Given that political will is shaped by public awareness and opinion, these results suggest that greater awareness may be required to move the health equity agenda forward in Ontario. There is a need for health equity advocates, physicians and researchers to increase the effectiveness of knowledge translation activities for studies that identify and explore health inequalities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».