Health Predictors of Neighborhood Selection: A Prospective Cohort Study of Residential Mobility in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Health selection into neighborhoods describes unhealthy people moving disproportionately to lower-income neighborhoods, producing observable socioeconomic gradients sometimes falsely attributed to neighborhood effects on health. We investigated residential mobility outcomes and their relationship to baseline health using population-level data linkages in Ontario, Canada. METHODS: We included Canadian Community Health Survey respondents ages 25 to 64 between 2005 and 2014 (n = 93,235). We assessed baseline health using self-reported health and multimorbidity. We captured moves using health administrative data and the Canadian census. We fit multinomial logistic regression models with a six-category residential mobility outcome: (1) nonmovers from low-income neighborhoods; (2) nonmovers from high-income neighborhoods; (3) movers from low-income to low-income; (4) movers from low-income to high-income; (5) movers from high-income to low-income; and (6) movers from high-income to high-income. We adjusted models for the Canadian Community Health Survey cycle, age, sex, household income, immigrant status, and residential instability. RESULTS: Compared with those with very good or excellent health, respondents reporting fair or poor health at baseline had higher odds of moving from low- to low-income neighborhoods (Adjusted odds ratios [aOR] = 1.73; 95% confidence interval [CI] = 1.46, 2.05), moving from high- to low-income (aOR = 1.64; 95% CI = 1.35, 1.98), moving from low- to high-income (aOR = 1.26; 95% CI = 1.04, 1.54), and not moving within low-income (aOR = 1.36; 1.23, 1.51) relative to not moving within high-income. Results were consistent for objective health measures, comparing respondents with at least four chronic conditions to those with one or none. CONCLUSIONS: In a large, population-based study, both subjective and objective measures of health had a strong relationship with residential mobility outcomes.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».