MétaCan
Menu
Retour à la cohorte
Enregistrement W2511466410 · doi:10.1177/0022146516660345

Life Course Pathways of Economic Hardship and Mobility and Midlife Trajectories of Health

2016· article· en· W2511466410 sur OpenAlexafffund
Andrea E. Willson, Kim M. Shuey

Notice bibliographique

RevueJournal of Health and Social Behavior · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensWestern University
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentCanadian Institutes of Health Research
Mots-clésLife course approachPanel Study of Income DynamicsSocial mobilityInequalityPsychologyDemographic economicsEconomic mobilityEconomic inequalityLongitudinal dataEconomicsGerontologyDevelopmental psychologySociologyDemographyPovertyEconomic growthMedicine

Résumé

récupéré en direct d'OpenAlex

We utilize over 40 years of prospective data from the Panel Study of Income Dynamics (N = 1,229) and repeated-measures latent class analysis to examine how long-term patterns of stability and change in economic hardship from childhood to adulthood are related to subsequent trajectories of midlife health. We review conceptual and methodological approaches to examining health inequality across the life course and highlight the contribution of a person-centered, disaggregated approach to modeling health and its association with long-term pathways of economic resources, including changing resources associated with mobility. Findings suggest those who experienced early mobility out of economic hardship were less likely than those in persistent economic hardship to experience a high-risk health trajectory, while experiencing later mobility did not lessen this risk. We conclude with a call for further investigation into the role of social mobility and the timing, degree, and direction of change in investigations of health inequality.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,075
Tête enseignante GPT0,386
Écart entre enseignants0,311 · 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 source (Gemma direct ou Codex distillé), 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

Citations34
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Health and Social BehaviorMême sujetHealth disparities and outcomesTravaux en français237 207