The cross-sectional association between state-level public health funding per capita and physical health among adults in the United States
Notice bibliographique
Résumé
OBJECTIVES: This study examined the association between state-level public health funding per capita and the odds of poor physical health. STUDY DESIGN: Cross-sectional. METHODS: Data from the 2018 Behavioral Risk Factor Surveillance System (BRFSS) were used. Participants' self-reported physical health was reported using the CDC Healthy Days Core Module. State-level public health funding per capita was obtained from the State Health Access Data Assistance Center website. Multilevel logistic regression was used to adjust for self-reported individual-level characteristics and state-level characteristics from the 2018 American Community Survey. We also tested whether household income or education attainment moderated any observed associations. RESULTS: A one SD increase in state-level public health funding per capita was not associated with the odds ≥ 14 days of poor physical health (OR = 0.96, 95% CI: 0.90, 1.01). However, heterogeneity across household income was observed. Greater public health funding per capita was associated with lower predicted probabilities of reporting ≥ 14 days of poor physical health among respondents from low household income backgrounds ( <$35,000 USD) compared to participants with high household incomes (>$75,000 USD). No associations were observed among those with moderate ($35,000 - $70,000 USD) household incomes. A similar finding was observed among participants with less than high school education when compared to participants with post-secondary education. CONCLUSION: Greater state-level public health funding per capita appears to have a protective association against reporting ≥ 14 days of poor physical health in individuals with lower household incomes and may be helpful in reducing health inequities. Future research is needed to determine whether this association is causal.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».