MétaCan
Menu
Retour à la cohorte
Enregistrement W2585204901 · doi:10.1111/roiw.12293

Does Economic Insecurity Cause Weight Gain Among Canadian Labor Force Participants?

2017· article· en· W2585204901 sur OpenAlexaffabout
Barry Watson

Notice bibliographique

RevueReview of Income and Wealth · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésEconomicsPopulation healthBody mass indexDemographic economicsObesityIndex (typography)PopulationCausality (physics)DemographyRecessionConsumer confidence indexMedicineEnvironmental healthHealth careEconomic growthMacroeconomics

Résumé

récupéré en direct d'OpenAlex

The National Population Health Survey (NPHS) suggests that for labor force participants age 25 to 64, the prevalence of self‐reported obesity in Canada has increased from 16 percent in 1998 to 23 percent in 2008. Using six cycles of NPHS data (1998–2009), I explore Canada's obesity dilemma by considering the effect of economic insecurity—measured as the probability of an individual experiencing a severe negative economic shock. As an identification strategy, a fixed effects model is employed to control for unobserved time‐invariant heterogeneity and a set of instruments based on an individual's economic environment are specified in order to isolate causality. Results suggest that for males age 25 to 64, a 1 percent increase in economic insecurity is predicted to increase their body mass index (BMI) by 0.10 points. For females age 25 to 64, the association between economic insecurity and BMI is statistically insignificant at conventional confidence levels.

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 enseignants0,395
Score d'incertitude au seuil0,955

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
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 Opus0,048
Tête enseignante GPT0,408
Écart entre enseignants0,360 · 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

Citations18
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReview of Income and WealthMême sujetEmployment and Welfare StudiesTravaux en français237 207