Evaluating area-based socioeconomic status predictors of pediatric health outcomes in Manitoba
Notice bibliographique
Résumé
IntroductionSocioeconomic gradients in health exist in Canada. Although multiple Canadian area-based socioeconomic measures (ABSM) have been developed, none have been specifically validated against relevant pediatric outcomes. Our objective was to use key pediatric health outcomes and compare the strength of association with a number of ABSM, including income quintile. Objectives and ApproachThis is a retrospective cross-sectional assessment of the association between socioeconomic status (SES) measured by ABSM and key pediatric health outcomes at the population level. Data from the Manitoba Population Research Data Repository was used for residents aged 0-19y. The timeframe was 2010-2015. Outcomes included preterm births, birth weight, mortality, vaccination rates and teen pregnancy. Regressions used each outcome against various ABSM (e.g. CAN-Marg, SEFI2, INSPQ) or income quintile. Best model for each outcome was assessed by goodness of fit measure (AIC). Measures of inequality included SII (Slope Index of Inequality) and RII (Relative Index of Inequality, both RIImean and RIIratio). ResultsIn our regression models, the 4 Can-Marg subcomponents consistently had about 15% lower AICs (best fit) across all 16 key pediatric outcomes compared to INSPQ (Raymond-Pampalon), income quintile or SEFI2 (Socioeconomic Factor Index - Version 2). Sex differences were small and inconsequential. Whether ABSMs were treated as continuous or categorical predictors was of little statistical consequence. Of note, 15 of the 16 outcomes had socioeconomic gradients identified by SII or RII on at least one of the ABSMs. Income quintile detected 12 of 15, CAN-Marg material deprivation detected 9; the combination of CAN-Marg material deprivation and ethnicity detected 13 of 15. SEFI2 detected only 3 and the National INSPQ detected 6. Conclusion/ImplicationsThere are significant health inequalities in pediatric outcomes in Manitoba (15 of 16 studied). Combining CAN-Marg measures of poverty (material deprivation) and ethnic concentration identified 13/15 cases of documented inequality and was the best ABSM for capturing pediatric health gradients; it was similar to income quintile alone.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».