MétaCan
Menu
Retour à la cohorte
Enregistrement W2918880500 · doi:10.3386/w25618

The Roots of Health Inequality and The Value of Intra-Family Expertise

2019· report· en· W2918880500 sur OpenAlexaff
Yiqun Chen, Petra Persson, Maria Polyakova

Notice bibliographique

RevueNational Bureau of Economic Research · 2019
Typereport
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesStanford Institute for Economic Policy ResearchStanford Institute for Research in the Social SciencesNational Institutes of Health
Mots-clésInequalityValue (mathematics)Family healthMathematicsEconometricsStatisticsDemographic economicsDemographyEconomicsMedicineSociologyNursingMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Do differences in health literacy contribute to the widely documented health-income gradient? In the context of Sweden, we document a strong relationship between exposure to health-related expertise – captured by the presence of a health professional in the family – and health. Exposure to expertise raises preventive health investments throughout the lifecycle, improves physical health, and prolongs life. Two quasi-experimental research designs – admissions lotteries into medical school and variation in the timing of medical degrees – support a causal interpretation of these effects. We estimate that unequal exposure to health-related expertise may account for up to 18 percent of the population-wide health-income gradient.

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)0,002
score de la tête « metaresearch » (Gemma)0,021
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 enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,551
Tête enseignante GPT0,659
Écart entre enseignants0,108 · 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

Citations39
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetGlobal Health Care IssuesTravaux en français237 207