Modelling risk factor information for linked census data: The case of smoking.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle