Data_Sheet_2_Exploring the Relationship Between Human Social Deprivation and Animal Surrender to Shelters in British Columbia, Canada.CSV
Notice bibliographique
Résumé
<p>Previous studies identify owner-related issues, such as cost and housing, as common reasons for relinquishment of companion animals to animal shelters. It is likely that the burden of surrendering for owner-related reasons falls on those who are socially vulnerable (e.g., low income, unemployed); however, very few studies have assessed social determinants as a predictor of animal relinquishment. The present study used the Canadian Index of Multiple Deprivation (CIMD), which uses four factors of social vulnerability (Ethnocultural Composition, Economic Dependency, Residential Instability, and Situational Vulnerability) to predict risk of surrender for various reasons, of various species and breeds, and of various health statuses across British Columbia, Canada (n = 29,236). We found that CIMD factors predicted increased risk of surrender across many shelter variables. For further understanding of differences between areas in the province, the present study also analyzed the relationship between CIMD factors and animal surrender variables in two areas of interest: Metro Vancouver (n = 3,445) and Kamloops (n = 2,665), and plotted these relationships on a geospatial scale. We found that there were some similarities across areas, such as Situational Vulnerability predicting increased odds of surrendering pit bull-labeled dogs vs. all other dog breeds. There were also differences in predictors of animal surrender variables, suggesting that provision of animal services, such as veterinary care, for vulnerable groups may be specific to location. For example, whereas Ethnocultural Composition predicted increased risk of owner surrender for multiple owner-related reasons in Metro Vancouver, these same reasons for surrender were predicted by Residential Instability in Kamloops, indicating demographic differences that affect animal shelter service use. The results of this research validate the use of geospatial analysis to understand relationships between human vulnerability and animal welfare, but also highlight the need for further interventions in marginalized populations to increase retention of animals.</p>
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 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 ».