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: Studies of neighborhood effects on health that are based on cohort data are subject to bias induced by neighborhood-related selective study participation. METHODS: We used data from the RECORD Cohort Study (REsidential Environment and CORonary heart Disease) carried out in the Paris metropolitan area, France (n = 7233). We performed separate and joint modeling of neighborhood determinants of study participation and type-2 diabetes. We sought to identify selective participation related to neighborhood, and account for any biasing effect on the associations with diabetes. RESULTS: After controlling for individual characteristics, study participation was higher for people residing close to the health centers and in neighborhoods with high income, high property values, high proportion of the population looking for work, and low built surface and low building height (contextual effects adjusted for each other). After individual-level adjustment, the prevalence of diabetes was elevated in neighborhoods with the lowest levels of educational attainment (prevalence odds ratio = 1.56 [95% credible interval = 1.06-2.31]). Neighborhood effects on participation did not bias the association between neighborhood education and diabetes. However, residual geographic variations in participation weakly biased the neighborhood education-diabetes association. Bias correction through the joint modeling of neighborhood determinants of participation and diabetes resulted in an 18% decrease in the log prevalence odds ratio for low versus high neighborhood education. CONCLUSIONS: Researchers should develop a comprehensive, theory-based model of neighborhood determinants of participation in their study, investigate resulting biases for the environment-health associations, and check that unexplained geographic variations in participation do not bias these environment-health relationships.
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 | 0,004 | 0,009 |
| 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 | 0,000 |
| 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