MétaCan
Menu
Retour à la cohorte
Enregistrement W4401507799 · doi:10.1016/j.jpubeco.2024.105194

Estimating intergenerational health transmission in Taiwan with administrative health records

2024· article· en· W4401507799 sur OpenAlexaff
Harrison Chang, Timothy J. Halliday, Ming‐Jen Lin, Bhashkar Mazumder

Notice bibliographique

RevueJournal of Public Economics · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesTinbergen InstituteNational Taiwan University of Science and TechnologyNational Science and Technology CouncilAdelphi UniversityUniversität HohenheimAgricultural and Applied Economics AssociationResearch Institute, Georgia Institute of Technology
Mots-clésEconomicsTransmission (telecommunications)Public economicsTelecommunicationsComputer science

Résumé

récupéré en direct d'OpenAlex

We use population-wide administrative health records from Taiwan to estimate intergenerational persistence in health, providing the first estimates for a middle-income country. We measure latent health by applying principal components analysis to a set of indicators for 13 broad ICD categories and quintiles of visits to a general practitioner. We find that the rank–rank slope in health between adult children and their parents is 0.22 which is broadly in line with results from other countries. Maternal transmission is stronger than paternal transmission and sons have higher persistence than daughters. Persistence is also higher at the upper tail of the parent health distribution. Persistence is lower when complete data on outpatient care is unavailable. Health transmission is almost entirely unrelated to household income levels in Taiwan. We also find that there are small geographic differences in absolute health mobility across townships and that these are modestly correlated with area-level income and doctor availability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,090
Tête enseignante GPT0,398
Écart entre enseignants0,308 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Public EconomicsMême sujetHealth disparities and outcomesTravaux en français237 207