A standard procedure for constructing a multi-level social vulnerability index using CLSA and SOS data as working examples
Notice bibliographique
Résumé
BACKGROUND: The construct of social vulnerability attempts to understand social circumstances not merely as a descriptor, but as a predictor of adverse health events. It can be measured by aggregating social deficits in a social vulnerability index (SVI). We describe a standard procedure for constructing a multi-level SVI using two working examples. METHODS: First, we describe a six-step approach to constructing a SVI. Then, we conducted a secondary analysis of a clinical dataset (Canadian Immunization Research Network's Serious Outcomes Surveillance Network (SOS)) and a population-based dataset (Canadian Longitudinal Study on Aging (CLSA)). In both datasets, we construct SVIs, use descriptive statistics to report distributions by age and sex, and perform a multivariable linear regression of social vulnerability on frailty. RESULTS: Procedures for drafting a list of candidate social items, selecting deficits for inclusion, and screening deficits to meet inclusion criteria were applied to yield a 18-deficit SVI for the SOS and 74-deficit SVI for the CLSA. Deficits in each SVI were re-scored between 0 and 1, where 1 indicates the greater risk. Finally, the sum of all deficits is calculated into an index. In the SOS, SVI was associated with age only for females and was weakly associated with frailty (r = 0.26, p<0.001). In the CLSA, SVI was associated with age for both sexes and moderately associated with frailty (r = 0.41, p<0.001). CONCLUSION: We present a standard method of constructing a SVI by incorporating factors from multiple social domains and levels in a social-ecological model. This SVI can be used to improve our understanding of social vulnerability and its impacts on the health of communities and individuals.
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 | 0,049 | 0,155 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,012 | 0,015 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,006 |
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 ».