MétaCan
Menu
Retour à la cohorte
Enregistrement W2306645133 · doi:10.14301/llcs.v7i1.352

Heterogeneity in chronic disease outcomes among women and men in midlife: examining the role of stability and change in childhood economic hardship

2016· article· en· W2306645133 sur OpenAlexaff
Cole Etherington, Andrea E. Willson, Kim M. Shuey

Notice bibliographique

RevueLongitudinal and Life Course Studies · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPsychologyGerontologyChronic diseaseLife course approachDevelopmental psychologyMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

In this study, we advance existing research on the long-term effects of childhood disadvantage on health in adulthood by examining how the timing and duration of childhood economic hardship differentiates between those at low and high risk of chronic disease onset in midlife for women and men, across four different health outcomes. The study uses prospective data on childhood and adulthood from the US Panel Study of Income Dynamics. Discrete time hazard models are estimated using logistic regression to determine how experiences of childhood economic hardship affect the risk of disease onset in midlife differently for men and women. Results indicate that, in general, childhood economic context results in an increased risk of multiple diseases for women but not for men. Specifically, women who experienced long-term economic hardship in childhood, or began life in poverty but moved out of poverty in childhood, were more likely to experience the onset of diabetes, arthritis, and cardiovascular diseases in midlife, net of other factors, such as adult resources. The impact of childhood economic hardship on disease onset also varied by age for women but not for men, and this relationship was also dependent on the health outcome examined. This study draws attention to the importance of conceptualizing and measuring childhood disadvantage as dynamic, and reveals that the process of cumulative disadvantage may be different for women and men.

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)0,001
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 enseignants0,042
Score d'incertitude au seuil0,972

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,102
Tête enseignante GPT0,411
Écart entre enseignants0,309 · 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLongitudinal and Life Course StudiesMême sujetGlobal Health Care IssuesTravaux en français237 207