MétaCan
Menu
Retour à la cohorte
Enregistrement W2894747105 · doi:10.1177/2156869318800137

The Effect of Serious Offending on Health: A Marginal Structural Model

2018· article· en· W2894747105 sur OpenAlexaff
Valerio Baćak, Mohammad Ehsanul Karim

Notice bibliographique

RevueSociety and Mental Health · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime Patterns and Interventions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentUniversity of North Carolina at Chapel HillNational Institutes of Health
Mots-clésLife course approachMarginal structural modelMediationConfoundingPsychologyIntersection (aeronautics)ScholarshipLongitudinal dataRace (biology)Occupational safety and healthSocial psychologySociologyPolitical scienceMedicineEconomicsDemographyEngineeringEconomic growth

Résumé

récupéré en direct d'OpenAlex

In this study, we contribute to the emerging scholarship at the intersection of crime and health by estimating the effect of serious offending on offenders’ health. By building on sociological stress research, we identify and adjust for the key life course processes that may intervene on the pathway from offending to health using a rich set of measures available in the panel data from the National Longitudinal Study of Adolescent to Adult Health. Because offending and health share many causes and consequences, a critical challenge is accounting for confounding and mediation that unfold over time. We adjust for these time-varying processes by estimating repeated measures marginal structural models with inverse probability of treatment weights. The results show that offending over the life course is adversely linked to health but not uniformly across race and gender.

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 candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,504
Score d'incertitude au seuil0,999

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 technologies0,0020,000
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 Opus0,032
Tête enseignante GPT0,414
Écart entre enseignants0,381 · 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.

Devis d'étudeSans objet
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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSociety and Mental HealthMême sujetCrime Patterns and InterventionsTravaux en français237 207