MétaCan
Menu
Retour à la cohorte
Enregistrement W2407478763 · doi:10.5539/ass.v12n6p70

Risk Factors of Income Inadequacy among Thai Elderly: A National Cross-Sectional Study for 2007 and 2011

2016· article· en· W2407478763 sur OpenAlexvenueno aff
Pattaraporn Khongboon, Sathirakorn Pongpanich, Viroj Tangcharoensathien

Notice bibliographique

RevueAsian Social Science · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLogistic regressionDemographyPopulationGovernment (linguistics)Sample (material)Cross-sectional studyPopulation ageingTimelineGerontologyMedicineEnvironmental healthGeographySociology

Résumé

récupéré en direct d'OpenAlex

<p>Thailand’s population is aging rapidly. As of 2011, statistics have shown that there has been a constant increase in the percentage of the population aged 60 and older. This study evaluates the causal issues of income deficiency among the elderly in Thailand. The timeline for the study includes two national representative surveys of elderly people, one in 2007 and another in 2011, with double-stage sampling techniques being utilized. The sample is comprised of 30,427 and 34,173 participants in 2011 and 2007, respectively, all aged 60 years and older. SPSS 18 was employed for logistic regression and cross-tabulation analysis. A general decrease in income deficiency was observed in 2011 (38.6%) compared to 2007 (41.9%). The northern region exhibited a higher prevalence of income insufficiency compared to the southern region. Regardless of the prevailing benefit policies for the elderly, the current results demonstrate the need for an augmented government policy that supports elderly individuals facing income deficiency. </p>

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)0,001
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 enseignants0,006
Score d'incertitude au seuil0,686

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,002
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 Opus0,020
Tête enseignante GPT0,289
Écart entre enseignants0,269 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207