MétaCan
Menu
Retour à la cohorte
Enregistrement W4402406175 · doi:10.23889/ijpds.v9i5.2708

Neighborhood-level sociodemographics and kindergarten children’s developmental vulnerability, pre- and post-COVID-19 in Canada

2024· article· en· W4402406175 sur OpenAlexaffabout
Caroline Reid‐Westoby, Ashley Gaskin, Amanda Offord, Eric Duku, Barry Forer, Marc Jambon, Magdalena Janus

Notice bibliographique

RevueInternational Journal for Population Data Science · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensWilfrid Laurier UniversityUniversity of British ColumbiaMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Vulnerability (computing)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PsychologyDevelopmental psychologyEnvironmental healthMedicineComputer scienceComputer securityOutbreak

Résumé

récupéré en direct d'OpenAlex

A child’s environment and early life experiences play an important role in shaping their development. The COVID-19 pandemic altered many aspects of everyday life for young children in Canada, and it has been argued that these changes did not impact all children equally. The current study explored the association between early child development and neighborhood sociodemographic indices (e.g., income, deprivation) before and after the onset of the COVID-19 pandemic. The Early Development Instrument (EDI) data, measuring child development and school readiness in kindergarten, were collected in 7 Canadian provinces and 1 territory from 2017-2020 (pre-COVID) and 2020-2023 (post-COVID) and were linked with neighborhood-level socioeconomic indices from 2016. We compared the gradients in development in a pre- (n=293,700) and a post-COVID (n=246,305) cohort of Canadian children. Rates of developmental vulnerability, as measured by the EDI, were examined for the sociodemographic variables in both the pre- and post-COVID cohorts. The overall vulnerability increased nationally from 27.3% in the pre- to 28.0% in the post-COVID cohort. A gradient in vulnerability rates for all the socioeconomic indices was found, with children in the highest quintiles, representing greater deprivation, having greater odds of being vulnerable than their peers in the lowest, least deprived quintile. Contrary to expectation, the magnitude of the gradient was very similar in both cohorts, with some jurisdictional differences. The largest gradient was found for average neighborhood income. These findings add the context of social determinants of health to the understanding of the impact of the COVID-19 pandemic on young children.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,045
Score d'incertitude au seuil0,327

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0050,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,059
Tête enseignante GPT0,392
Écart entre enseignants0,332 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207