Classifying the population by socioeconomic factors associated with support for policies to reduce social inequalities in health
Notice bibliographique
Résumé
To examine citizens' agreement with policy options to reduce social inequalities in health and socio-demographic factors associated with support for these policies. A random digit dialling sample of 16 125 households with access to a landline telephone was conducted in Saskatoon, Canada in 2013. Saskatoon is located in the Canadian prairies and had a population of 222 189 in 2011. A total of 1002 individuals aged 18 or older answered a questionnaire indicating their support for policies to improve health equity. Socio-demographic variables of interest were household income, education, occupation and ethnicity. Latent class analysis and logistic regression analyses were conducted. The latent class analysis showed that 37% of respondents were in the selective agreement group, while 63% were in the high agreement group. The selective agreement group showed lower policy support compared with the high agreement group, in particular for guaranteed annual income, welfare for adults and parents with children, lower tuition for post-secondary students. In the final logistic regression model, socioeconomic factors associated with the likelihood of being in the selective agreement group were: age ≥40 years, male, Caucasian ethnicity and higher household income. Residents support for policies to reduce poverty and increase funding for education, creation of health promotion and disease prevention programmes. However, support for these policies is different across social groups.
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 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 | 0,011 | 0,002 |
| 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».