Early Childhood Education to Promote Health Equity: A Community Guide Systematic Review
Notice bibliographique
Résumé
CONTEXT: A recent Community Guide systematic review found that early childhood education (ECE) programs improve educational, social, and health-related outcomes and advance health equity because many are designed to increase enrollment for high-risk children. This follow-up economic review examines how the economic benefits of center-based ECE programs compare with their costs. EVIDENCE ACQUISITION: Kay and Pennucci from the Washington State Institute for Public Policy, whose meta-analysis formed the basis of the Community Guide effectiveness review, conducted a benefit-cost analysis of ECE programs for low-income children in Washington State. We performed an electronic database search using both effectiveness and economic key words to identify additional cost-benefit studies published through May 2015. Kay and Pennucci also provided us with national-level benefit-cost estimates for state and district and federal Head Start programs. EVIDENCE SYNTHESIS: The median benefit-to-cost ratio from 11 estimates of earnings gains, the major benefit driver for 3 types of ECE programs (ie, state and district, federal Head Start, and model programs), was 3.39:1 (interquartile interval [IQI] = 2.48-4.39). The overall median benefit-to-cost ratio from 7 estimates of total benefits, based on all benefit components including earnings gains, was 4.19:1 (IQI = 2.62-8.60), indicating that for every dollar invested in the program, there was a return of $4.19 in total benefits. CONCLUSIONS: ECE programs promote both equity and economic efficiency. Evidence indicates there is positive social return on investment in ECE irrespective of the type of ECE program. The adoption of a societal perspective is crucial to understand all costs and benefits of ECE programs regardless of who pays for the costs or receives the benefits.
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 | 0,094 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».