Household income among families with autistic children and youths in Canada: a cross-sectional matched cohort study
Notice bibliographique
Résumé
OBJECTIVE: Within the Canadian context, we sought to examine the relationship between households with autistic children/youths and household income. DESIGN: We used data from the 2019 Canadian Health Survey on Children and Youth (CHSCY) to analyse households with a child/youth aged 1-17. Propensity-score matching was used to pair records for children/youths with a reported autism diagnosis to those without. We used linear regression for continuous outcomes (eg, total household income) and Poisson regression for binary outcomes (eg, low household income). All analyses were adjusted for the correlation between matched pairs. PRIMARY OUTCOME MEASURE: Total annual income of all household members. SECONDARY OUTCOME MEASURES: Low household income; single-parent or single-income status; and whether at least one parent was not working or absent from work during the past week. RESULTS: Among a total of 39 951 CHSCY records, we identified a cohort of 815 autistic children/youths. The characteristics of the matched cohort were well-balanced. Households with an autistic child/youth had a mean annual household income that was lower (mean difference: $C16 489; 95% CI $C6384 to $C27 149) compared with matched households without an autistic child/youth. Households with an autistic child/youth were also 26% more likely to be classified as having a low household income (Relative risk (RR) 1.26; 95% CI 1.17 to 1.35) and 20% more likely to rely on a single income (RR 1.20; 95% CI 1.10 to 1.33) compared with households without an autistic child/youth. CONCLUSIONS: Compared with households without an autistic child/youth, those with an autistic child/youth often face more economic challenges, including lower household income and greater risk of food insecurity. Households with an autistic child/youth are more likely to rely on a single income.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».