Association Between Area‐Level Income Inequality and Health‐Related School Absenteeism: Evidence From the <scp>COMPASS</scp> Study
Notice bibliographique
Résumé
BACKGROUND: Income inequality is theorized to impact health. However, evidence among adolescents is limited. This study examined the association between income inequality and health-related school absenteeism (HRSA) in adolescents. METHODS: Participants were adolescents (n = 74,501) attending secondary schools (n = 136) that participated in the 2018-2019 wave of the COMPASS study. Chronic (missing ≥3 days of school in the previous 4 weeks) and problematic (missing ≥11 days of school in the previous 4 weeks) HRSA was self-reported. Income inequality was assessed via the Gini coefficient at the census division (CD) level. Multilevel modeling was used. RESULTS: Greater income inequality was associated with a higher likelihood of chronic and problematic HRSA (chronic: OR = 1.17, 95% CI: 1.06, 1.30; problematic: OR = 1.29, 95% CI 1.11 to 1.50). Increased predicted probabilities for Problematic HRSA were observed at greater degrees of income inequality among students who identified as either white, black, Latinx, or mixed, while protective associations were observed among students who identified as Asian or other. No associations were modified by gender. CONCLUSION: Income inequality demonstrated unfavorable associations with HRSA, which was modified by racial identity.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».