MétaCan
Menu
Retour à la cohorte
Enregistrement W2165808800 · doi:10.1177/0956797611419170

Pathways to Resilience

2011· article· en· W2165808800 sur OpenAlexaff
Gregory E. Miller, Margie E. Lachman, Edith Chen, Tara L. Gruenewald, Arun S. Karlamangla, Teresa E. Seeman

Notice bibliographique

RevuePsychological Science · 2011
Typearticle
Langueen
DomainePsychology
ThématiqueResilience and Mental Health
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Center for Advancing Translational SciencesNational Center for Research ResourcesNational Institute on Aging
Mots-clésPsychologyResilience (materials science)Cognitive psychologyCognitive science

Résumé

récupéré en direct d'OpenAlex

Children raised in families with low socioeconomic status (SES) go on to have high rates of chronic illness in adulthood. However, a sizable minority of low-SES children remain healthy across the life course, which raises questions about the factors associated with, and potentially responsible for, such resilience. Using a sample of 1,205 middle-aged Americans, we explored whether two characteristics--upward socioeconomic mobility and early parental nurturance--were associated with resilience to the health effects of childhood disadvantage. The primary outcome in our analyses was the presence of metabolic syndrome in adulthood. Results revealed that low childhood SES was associated with higher prevalence of metabolic syndrome at midlife, independently of traditional risk factors. Despite this pattern, half the participants raised in low-SES households were free of metabolic syndrome at midlife. Upward social mobility was not associated with resilience to metabolic syndrome. However, results were consistent with a buffering scenario, in which high levels of maternal nurturance offset the metabolic consequences of childhood disadvantage.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0000,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,153
Tête enseignante GPT0,461
Écart entre enseignants0,309 · 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

Citations197
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychological ScienceMême sujetResilience and Mental HealthTravaux en français237 207