Additional file 1 of Projecting years in good health between age 50–69 by education in the Netherlands until 2030 using several health indicators - an application in the context of a changing pension age
Notice bibliographique
Résumé
Additional file 1: Appendix Table 1. Summary of construction of the education variable using the Dutch Health Interview survey (1989–2018). Appendix Table 2. Sample size for individuals aged 50–69 from the Dutch Health Survey (1989–2018), by gender and year. Appendix 3. Extrapolation of mortality rates for age groups 50–54, 55–59, 60–64, 65–69 by gender and education. Appendix 4. Test for non-linearity and inclusion of three way-interaction term. Appendix Table 5. Age standardized prevalence and predicted prevalence of several health indicators, by gender, education level and year. Appendix Table 6. Years in good health for several health indicators for individuals aged 50–69, by gender, education and year. Appendix Table 7. Surplus or deficit of years in good health relative to the statutory retirement age in the Netherlands and educational inequalities, by gender, education and year. Appendix 8. Partial Life expectancy, healthy life years and `deficit’ or `surplus’ for the medium educated between ages 50–69 by gender. Appendix Table 9. Robustness - `Deficit’ and `Surplus’ of years in good health relative to the retirement age for different health indicators for individuals between 50 and 69 by year, gender, education and related educational inequalities – Alternative scenarios.
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,697 | 0,077 |
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 ».