MétaCan
Menu
Retour à la cohorte
Enregistrement W2301855657 · doi:10.1016/j.ssmph.2016.02.006

Improving but unequal: Temporal trends in Chinese self-rated health, 1990–2012

2016· article· en· W2301855657 sur OpenAlexaff
Soyoung Kwon, Markus H. Schafer

Notice bibliographique

RevueSSM - Population Health · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute on Minority Health and Health Disparities
Mots-clésCohort effectDemographyCohortChinaEducational attainmentCohort studyCovariateMedicinePsychologyGerontologyGeographyEconomicsEconometricsEconomic growthSociology

Résumé

récupéré en direct d'OpenAlex

This study examines temporal trends in the self-rated health of Chinese adults from 1990 to 2012. Concentration on this particular period in Chinese history provides insights into the health implications of China's massive societal transformation induced by economic reform. A series of cross-classified random effects models were estimated predicting favorable health status across time periods and adjusted for age, cohort effect and individual-level covariates. Results show that more recent birth cohorts exhibit better health conditions than earlier birth cohorts. However, period effects had a more profound effect than that of birth cohort. Net of age, cohort and individual-level covariates, there is a significant and increasing trend in self-rated health since the early 1990s. The period pattern was non-monotonic, with health improvement in the early 1990s, a dip later in that decade, but more evidence of improvement by 2012. We also found that health disparities have widened over the past 20 years, particularly on the basis of income and educational attainment.

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 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 enseignants0,141
Score d'incertitude au seuil0,681

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,037
Tête enseignante GPT0,393
Écart entre enseignants0,356 · 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.

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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSM - Population HealthMême sujetHealth disparities and outcomesTravaux en français237 207