The formal demography of kinship V: Kin loss, bereavement, and causes of death
Notice bibliographique
Résumé
Background: The death of kin has psychological, physical, and economic effects on other members of a kinship network. Recently developed formal demographic models provide the deaths of kin, of any kind, at any age of a Focal individual. However, causes of death have yet to be accounted for. Objectives: Our objective is to extend the matrix kinship model to analyze losses of kin by cause of death, given age-specific schedules of risk due to each cause. Methods: The projection matrix is enlarged to include multiple absorbing states representing the age at death and the cause of death of kin at each age of Focal. The fertility matrix is enlarged to include production of living kin and set births by dead kin to zero. Results: The model provides deaths experienced at each age and accumulated up to each age of Focal, by cause of death and age at death. Causes of death are competing risks, permitting the study of how the elimination of one cause displaces bereavement across kin types and age groups of the bereaved. As an example, we analyze kin death experiences attributable to each of the leading 15 causes of death in the United States non-Hispanic white female population. Contribution: Studies of the death of kin and bereavement of survivors can now take into account diverse causes of death, each with its own age schedule of risks. These results provide novel understandings of how different causes of death influence kinship structures and bereavement experiences among surviving kin.
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 | 0,001 | 0,003 |
| 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 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».