MétaCan
Menu
← Retour à la cohorte
Enregistrement W2929995524

Hospitalization rates among economic immigrants to Canada.

2017· article· en· W2929995524 sur OpenAlexaffabout
Edward Ng, Claudia Sanmartin, Douglas G. Manuel

Notice bibliographique

RevuePubMed · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensInstitute for Clinical Evaluative SciencesStatistics Canada
Organismes subventionnairesnon disponible
Mots-clésOddsDemographyImmigrationMedicineOdds ratioLogistic regressionPopulationSocioeconomic statusGerontologyGeographyEnvironmental health
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Economic immigrants generally, and economic class principal applicants (ECPAs) specifically, tend to have better health than other immigrants. However, health outcomes vary among subcategories within this group, especially by sex. DATA AND METHODS: This study examines hospitalization rates among ECPAs aged 25 to 74 who arrived in Canada between 1980 and 2006 as skilled workers, business immigrants, or live-in caregivers. The analysis used two linked databases to estimate age-standardized hospitalization rates (ASHRs) overall and for leading causes by sex. ASHRs of ECPA subcategories were compared with each other and with those of the Canadian-born population. Logistic regression was used to derive odds ratios for hospitalization among ECPAs, by sex. RESULTS: Male and female ECPAs aged 25 to 74 had significantly lower all-cause ASHRs than did the Canadian-born population in the same age range. This pattern prevailed for each ECPA subcategory and for each disease examined. Compared with skilled workers, business immigrants had lower odds of hospitalization; live-in caregivers who arrived after 1992 had higher odds. Adjustment for education, official language proficiency, and world region reduced the strength of or eliminated these associations. INTERPRETATION: Compared with the Canadian-born population, ECPAs generally had low hospitalization rates. Differences were apparent among ECPA subcategories.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,032
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,018
Tête enseignante GPT0,276
Écart entre enseignants0,258 · 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

Citations8
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetMigration, Health and Trauma→Travaux en français237 207→