Modelling risk factor information for linked census data: The case of smoking.
Notice bibliographique
Résumé
BACKGROUND: Statistics Canada has initiated a series of data linkages of Census of Population long form and health outcome data. These linked data lack risk factor information. This study assesses the feasibility of using statistical modelling techniques to assign smoking status to census respondents. DATA AND METHODS: The 2000/2001 Canadian Community Health Survey (CCHS) was used to develop age-/sex-specific predictive models to model smoking status based on variables available on the 1991 Census. The 2002/2003 CCHS was used to validate the modelled variable. Data from the 2002/2003 CCHS linked to data from the Hospital Morbidity Database (2001/2002 to 2004/2005) were used to evaluate the use of modelled versus self-reported smoking status on smoking-related hospitalizations. RESULTS: For the current daily smoker models, income, education, marital status, dwelling ownership and region of birth were significant predictors. For the never smoker models, marital status, dwelling ownership, Aboriginal identity and region of birth were significant predictors. Modelled current daily smoker status was associated with increased odds of smoking-related hospitalization, compared with being a never smoker, even when adjusting for covariates. INTERPRETATION: This study demonstrates the feasibility of using statistical modelling techniques to assign smoking status to census data, provided socio-economic and identity information is available.
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 | 0,040 | 0,206 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».