MétaCan
Menu
Retour à la cohorte
Enregistrement W2810754134 · doi:10.1215/03616878-6951223

Why Is Infant Mortality in the United States So Comparatively High? Some Possible Answers

2018· article· en· W2810754134 sur OpenAlexaff
Peter Muennig, Megan M. Reynolds, Boshen Jiao, Roman Pabayo

Notice bibliographique

RevueJournal of Health Politics Policy and Law · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDemographySocioeconomic statusInfant mortalityImmigrationBirth rateDemographic economicsFertilityGeographyEconomicsPopulationSociology

Résumé

récupéré en direct d'OpenAlex

The infant mortality rate (IMR) is the rate of death of children younger than one year of age. In the United States, the IMR has been declining over time. However, it has been declining much more slowly than in other nations. As a result, the US global ranking in IMRs is also declining. This analytic essay explores some of the reasons why it might be undergoing this relative decline by critically dissecting secondary sources of data. We found that slow progress in reducing IMR over the past decade is partly due to lower birth rates among immigrants, who tend to have healthier babies than native-born mothers. However, this does not explain longer-term trends, which reveal a relative decline in the well-being of women of reproductive age. We speculate that longer-term declines are partially due to a deemphasis on government health and antipoverty programs. This deemphasis results not only in weaker socioeconomic support but also in rising medical costs, which are consuming an increasingly larger share of Americans' declining disposable income.

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)0,003
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,810
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,085
Tête enseignante GPT0,446
Écart entre enseignants0,362 · 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'étudeThéorique ou conceptuel
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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health Politics Policy and LawMême sujetHealth disparities and outcomesTravaux en français237 207