Measuring Socioeconomic Health Inequalities in Presence of Multiple Categorical Information
Notice bibliographique
Résumé
While many of the measurement approaches in health inequality measurement assume the existence of a ratio-scale variable, most of the health information available in population surveys is given in the form of categorical variables. Therefore, the well-known inequality indices may not always be readily applicable to measure health inequality as it may result in the arbitrariness of the health concentration index's value. In this paper, we address this problem by changing the dimension in which the categorical information is used. We therefore exploit the breadth of this information, define a new ratio-scaled health status variable and develop positional stochastic dominance conditions that can be implemented in a context of categorical variables. We also propose a parametric class of population health and socioeconomic health inequality indices. Finally we provide a twofold empirical illustration using the Joint Canada/United States Surveys of Health 2004 and the National Health Interview Survey 2010. / Bien que plusieurs approches à la mesure des inégalités de santé font comme hypothèse qu’il existe une variable d’échelle de ratio, l’information que l’on retrouve dans les enquêtes sur la santé de la population prend souvent la forme de variables catégoriques. Dans ce contexte, les indices d’inégalité connus peuvent ne pas être directement applicables à la mesure des inégalités de santé puisqu’ils produiront des valeurs arbitraires. Dans cet article, nous apportons une solution à ce problème en changeant la dimension dans laquelle l’information catégorique est utilisée. Nous exploitons l’étendue de cette information afin de définir une nouvelle variable d’échelle de ratio et nous développons des tests de dominance stochastique qui peuvent être ainsi implémentés dans le contexte de variables catégoriques. Nous proposons aussi une classe paramétrique d’indices de santé de la population et d’indices d’inégalité socioéconomique de santé. Finalement, nous proposons deux illustrations basées sur l’Enquête conjointe Canada/États-Unis sur la santé et le National Health Interview Survey 2010.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».