MétaCan
Menu
Retour à la cohorte
Enregistrement W2166692625 · doi:10.1017/s174413311100034x

Socioeconomic status and child health: what is the role of health care, health conditions, injuries and maternal health?

2012· article· en· W2166692625 sur OpenAlexafffundabout
Sara Allin, Mark Stabile

Notice bibliographique

RevueHealth Economics Policy and Law · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchHealth Canada
Mots-clésSocioeconomic statusHealth careMedical prescriptionEnvironmental healthMedicineLongitudinal studyRace and healthPsychologyPopulationNursingPolitical science

Résumé

récupéré en direct d'OpenAlex

There is a persistent relationship between socioeconomic status and health that appears to have its roots in childhood. Not only do children in families with lower income and with mothers with lower levels of education have worse health on average than those with greater socioeconomic advantage, but also the gradient appears to steepen with age. This study contributes to the literature on the relationship between socioeconomic status and child health by testing the hypothesis that the increasing effect of family income on children's health with age relates to the children's use of health care services. It also investigates the role of specific health conditions, injuries or maternal health in explaining the steepening gradient. Drawing on a nationally representative survey from Canada, the National Longitudinal Survey of Children and Youth from the period 1994/95-2008/09, this study provides further evidence of a steepening socioeconomic gradient in child health with age. It finds that accounting for health care use does not explain the steepening gradient and that the protective effect of income appears to be greater for those who had contact with the health system, in particular with regard to physician care and prescription drug use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,758
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,019
Tête enseignante GPT0,355
Écart entre enseignants0,336 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations52
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth Economics Policy and LawMême sujetHealth disparities and outcomesTravaux en français237 207