Income and Household Material Hardship in Children With Medical Complexity
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Household economic hardship negatively impacts child health but may not be adequately captured by income. We sought to determine the prevalence of household material hardship (HMH), a measure of household economic hardship, and to examine the relationship between household poverty and material hardship in a population of children with medical complexity. METHODS: We conducted a cross-sectional survey study of parents of children with medical complexity receiving primary care at a tertiary children's hospital. Our main predictor was household income as a percentage of the federal poverty limit (FPL): <50% FPL, 51% to 100% FPL, and >100% FPL. Our outcome was HMH measured as food, housing, and energy insecurity. We performed logistic regression models to calculate adjusted odds ratios of having ≥1 HMH, adjusted for patient and clinical characteristics from surveys and the Pediatric Health Information System. RESULTS: At least 1 material hardship was present in 40.9% of participants and 28.2% of the highest FPL group. Families with incomes <50% FPL and 51% to 100% FPL had ∼75% higher odds of having ≥1 material hardship compared with those with >100% FPL (<50% FPL: odds ratio 1.74 [95% confidence interval: 1.11-2.73], P = .02; 51% to 100% FPL: 1.73 [95% confidence interval: 1.09-2.73], P = .02). CONCLUSIONS: Poverty underestimated household economic hardship. Although households with incomes <100% FPL had higher odds of having ≥1 material hardship, one-quarter of families in the highest FPL group also had ≥1 material hardship.
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 | 0,006 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».