MétaCan
Menu
Retour à la cohorte
Enregistrement W2464010585 · doi:10.4236/jss.2016.45033

The Impact of Dietary Patterns on Health Expenditure in Rural Hainan of China

2016· article· en· W2464010585 sur OpenAlexaff
Wen Yu, Shiwei Xu, Li Mei, Li Z, Yu Wang, Abdul-Gafar Ahmed

Notice bibliographique

RevueOpen Journal of Social Sciences · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesAgricultural Science and Technology Innovation ProgramChinese Academy of Agricultural Sciences
Mots-clésEnvironmental healthChinaEnergy expenditureFish <Actinopterygii>Health careBusinessSocioeconomicsGeographyMedicineEconomicsBiologyEconomic growthFishery

Résumé

récupéré en direct d'OpenAlex

The dietary patterns determine the nutrition structure and suitable nutrition benefits for health. In order to measure the relationship between nutrition and health, this article focuses on the relationship between Dietary patterns and health expenditure. We collected 547 household samples from six counties in rural Hainan Province of China. The authors applied Seemingly Unrelated Regression (SUR) model to estimate the empirical model. The results are: (1) some animal food have significant effect to health expenditure; (2) based on the current analysis, consuming more pork and eggs, health expenditure would significantly increase; while consuming more chicken and fish, health expenditure would significantly decrease. We could conclude that appropriate dietary pattern benefits health; livestock meat consuming, primarily pork, may cause more health care expenditure, while fish-dominant diet could reduce health expenditure

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 enseignants0,061
Score d'incertitude au seuil0,291

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,038
Tête enseignante GPT0,395
Écart entre enseignants0,357 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Journal of Social SciencesMême sujetObesity, Physical Activity, DietTravaux en français237 207