The Relationship of Socio-Demographic and Health (Asthma, Diabetes, & High Blood Pressure) in Toronto - a Quantitative and Spatial Approach
Notice bibliographique
Résumé
Many literature and research indicate that health rates frequently follow a distinguishing socioeconomic gradient, where health is influenced by an individual's socioeconomic status (SES) and those of lower SES are more at risk to illness. The purpose of this research was to assess (within a bivariate and spatial context) how sociodemographic profiles influence asthma, diabetes, and high blood pressure rates in the City of Toronto. The objectives of this study were summed up in two questions; (1) "is there a spatial pattern to the rates of diabetes, asthma, and high blood pressure at the neighbourhood level in Toronto?" and (2) "are any socio-economic variables that can explain the patterns observed? And if so, which ones?". Toronto health rate variables were obtained from the OCHPP while sociodemographic variables were acquired from open-source data archives for the year 2016. The analysis was multi-step where the initial steps (bivariate regression and PCA) were for data reduction. The third step - measures of spatial autocorrelation (i.e. Moran's I) were tested on dependent variables to explore whether any broad spatial patterns existed. The final multivariate analysis modeled relationships between health measures and the SES measures. The first question was found to be true, where the Moran's I test and tests for spatial dependency indicated the presence of spatial autocorrelation and spatial dependence. However, the second question had somewhat mixed results as there was a lack of spatial significance regarding the correlation of the sociodemographic variables and health rates. Future research should rely less on socioeconomic variables being the main indicator of health rates and assess other causations such as lifestyle variables or geographic factors.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».