County-Level Characteristics Driving Malnutrition Death Rates among Older Adults in Texas
Notice bibliographique
Résumé
OBJECTIVES: This study aims to identify older adult malnutrition in Texas, examine county-level characteristics associated with crude malnutrition death rates, and describe assets and opportunities available to address and improve malnutrition among the older population. DESIGN: Secondary data analysis using the Centers for Disease Control and Prevention's WONDER online database, the U.S. Census 2014-2018 American Community Survey, and the U.S. Department of Agriculture's Food Access Research Atlas data. SETTING: All 254 counties in the state of Texas. PARTICIPANTS: Individuals aged 65 years and older. MEASUREMENT: The dependent variable was the proportion of county-level malnutrition crude death rates. Independent variables included Health Provider Shortage Area designations, rurality, poverty status, food access, age, race, ethnicity, and education. RESULTS: The overall malnutrition crude death rate in Texas was 65.6 deaths per 100,000 older Texans, ranging from 0 to 414.46 deaths per 100,000 depending on the county. Higher malnutrition crude death rates were associated with non-metropolitan counties (P=0.018), lower education (P=0.047), greater household poverty (P=0.010), and low food access (P<0.001). CONCLUSION: Socioeconomic disadvantages at the county-level appear to be one of the root causes of malnutrition crude death rates in Texas.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».