Urban Trail Exposure in Winnipeg, Canada: Longitudinal Cohort Development for a 20-Year Difference-in-Differences Analysis of a Natural Experiment with Varied Duration of Exposure Times
Notice bibliographique
Résumé
ObjectiveDevelop a cohort to evaluate a real-world experiment of the built environment on the incidence of disease, accounting for movement of people, postal codes, incidence of disease and changing demographics. ApproachThe City of Winnipeg, Canada built multi-use trails in 2010-2012. We used the administrative data housed at the Manitoba Centre for Health Policy to evaluate the effect of this change in the built environment on the incidence of cardiovascular disease events (CVDE) and risk factors (CVDRF) before (2000-2009) and after (2012-2019) the trails were built. The Manitoba Health Insurance Registry contains postal code and demographic information on nearly all city residents and was utilized for cohort creation and person-time exposure. Individuals’ residential postal codes were linked to geo-spatial data to determine proximity to built trails at 400m, 800m and 1200m. Semi-annual postal code changes accounted for movement within/outside city limits or exclusion from the cohort. Diagnoses from hospital abstract and physician visit data and outpatient prescription dispensations were used to access prevalence and incidence of a CVDE composite measure of congestive heart failure, ischemic heart disease and stroke and a CVDRF composite measure of diabetes, dyslipidemia and hypertension. Conclusions and ImplicationsLeveraging a diverse set of administrative databases, we built a cohort evaluate the effect of building multi-use trails in Winnipeg on the reduction on CVDE and CVDRF. This demonstrates how administrative data can be used to evaluate natural, real-world experiments with minimal direct data measurement or public intrusion, resulting in actionable results to inform public policy.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».