MétaCan
Menu
Retour à la cohorte
Enregistrement W2990923113 · doi:10.23889/ijpds.v4i3.1195

Poor mental health and uptake of disability benefits

2019· article· en· W2990923113 sur OpenAlexaff
Dermot O’Reilly, Michael Rosato, David M. Wright, Foteini Tseliou, Ana Corina Miller, Aideen Maguire

Notice bibliographique

RevueInternational Journal for Population Data Science · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensQueen's University
Organismes subventionnairesEconomic and Social Research Council
Mots-clésReceiptCensusProxy (statistics)OddsMental healthPopulationMedicineOdds ratioConfoundingDemographyGerontologyPsychologyLogistic regressionEnvironmental healthPsychiatryBusiness

Résumé

récupéré en direct d'OpenAlex

Background with rationale Disability related social security benefits were introduced to help off-set the additional costs incurred by people with disability and to help them better integrate into society. However, there are concerns that not everyone with a disability is receiving the benefits to which they are entitled. Aim To undertake a record-linkage study to compare levels of benefit uptake Disability Living Allowance (DLA) according to disability type and severity as reported in the Northern Ireland 2011 Census. Data/methods The linked data sources were the 2011 census records and all DLA records for calendar year 2011. The main comparison was of DLA receipt amongst those reporting chronic mobility difficulties (MD) and those with chronic poor mental health (PMH) (both yes/no) with the addition of limitation of daily activities (none, a little, a lot), which was used as a proxy for severity and DLA eligibility. Results Most people with disability had multiple disabilities but here the analysis is primarily amongst people with solitary conditions to avoid potential confounding. Approximately 20,000 people in the population reported either only MD or only PMH, though 68% of MD had their daily activities limited a lot compared to 55% of those with PMH. Overall, 71.8% of people with MD and daily activities limited a lot were on DLA compared to only 57.5% of similarly affected people with PMH the relative odds ratio being (OR 0.53 95%CI 0.50, 0.56). Conclusion It appears that people with poor mental health are less likely to receive disability benefits compared to those with mobility problems. This may be because they are less able to prove their eligibility for these benefits under the current assessment processes.

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)0,001
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,090
Tête enseignante GPT0,453
Écart entre enseignants0,363 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetHealth disparities and outcomesTravaux en français237 207