Notice bibliographique
Résumé
Abstract There has been a revival of warfare and threats of interstate war in recent years as the number of countries engaged in armed conflict surged dramatically, reaching levels unprecedented since the end of the Cold War. This is happening at a time when the global burden of mental health illness is also on the rise. We examine the causal impact of early life exposure to warfare on long–term mental health, using novel data on the amount of bombs dropped in German cities by Allied Air Forces during World War II (WWII) and the German Socio-economic Panel. Our identification strategy leverages a generalized difference-indifferences design, exploiting the plausibly exogenous city-by-cohort variation in the bombing intensity experienced by the former West German cities during the war as a quasi- experiment. We find that cohorts who were five years old or younger during WWII have significantly poorer mental health outcomes later in life, when they are in their late 50s to 70s. Specifically, an increase of one standard deviation in the bombing intensity experienced during WWII is associated with about a 10 percent decline in an individual’s long–term standardized mental health score. This effect is equivalent to a 16.2 percent increase in the likelihood of being diagnosed with clinical depression. Our investigation suggests that factors such as the increased burden on the healthcare system, and economic losses during WWII exacerbate the adverse impact of bombing exposure on long–term mental health. Conversely, war relief funds transferred to municipalities following the war have a mitigating impact.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,204 | 0,056 |
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 ».