Approaches and Alternatives to the Wealth Index to Measure Socioeconomic Status Using Survey Data: A Critical Interpretive Synthesis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Monitoring progress towards the Sustainable Development Goals by 2030 requires the global community to disaggregate targets along socio-economic lines, but little has been published critically analyzing the appropriateness of wealth indices to measure socioeconomic status in low- and middle-income countries. This critical interpretive synthesis analyzes the appropriateness of wealth indices for measuring social health inequalities and provides an overview of alternative methods to calculate wealth indices using data captured in standardized household surveys. Our aggregation of all published associations of wealth indices indicates a mean Spearman’s rho of 0.42 and 0.55 with income and consumption, respectively. Context-specific factors such as country development level may affect the concordance of health and educational outcomes with wealth indices and urban–rural disparities can be more pronounced using wealth indices compared to income or consumption. Synthesis of potential future uses of wealth indices suggests that it is possible to quantify wealth inequality using household assets, that the index can be used to study SES across national boundaries, and that technological innovations may soon change how asset wealth is measured. Finally, a review of alternative approaches to constructing household asset indices suggests lack of evidence of superiority for count measures, item response theory, and Mokken scale analysis, but points to evidence-based advantages for multiple correspondence analysis, polychoric PCA and predicted income. In sum, wealth indices are an equally valid, but distinct measure of household SES from income and consumption measures, and more research is needed into their potential applications for international health inequality measurement.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle