Social environment and asthma: associations with crime and No Child Left Behind programmes
Notice bibliographique
Résumé
BACKGROUND: The relationship between asthma and socio-economic status remains unclear. The authors investigated how neighbourhood, school and community social environments were associated with incident asthma in Southern California schoolchildren. METHODS: New-onset asthma was measured over 3 years of follow-up in the Children's Health Study cohort. Multilevel random-effects models assessed associations between social environments and asthma, adjusted for individual risk factors. At baseline, subjects resided in 274 census tracts (ie, neighbourhoods) and attended kindergarten or first grade in one of 45 schools distributed in 13 communities throughout Southern California. Neighbourhoods and communities were characterised by measures of deprivation, income inequality and racial segregation. Communities were further described by crime rates. Information on schools included whether a school received funding related to the Title 1 No Child Left Behind programme, which aims to reduce academic underachievement in disadvantaged populations. RESULTS: Increased risk for asthma was observed in subjects attending schools receiving Title I funds compared with those from schools without funding (adjusted HR 1.71, 95% CI 1.14 to 2.58), and residing in communities with higher rates of larceny crime (adjusted HR 2.02, 95% CI 1.08 to 3.02 across the range of 1827 incidents per 100,000 population). CONCLUSIONS: Risk for asthma was higher in areas of low socio-economic status, possibly due to unmeasured risk factors or chronic stress.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».