The formal demography of kinship V: Kin loss, bereavement, and causes of death
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle