Comparing Predictive Power of Area-Level Socioeconomic Status Indices Across Health Outcomes and Geographic Levels
Notice bibliographique
Résumé
BACKGROUND: Many researchers want to control for both individual-level demographic/health variables and area-level socioeconomic status (area-SES) when studying health outcomes. However, comparative assessments of area-SES indices across geographic levels and a range of health outcomes are scarce. OBJECTIVES: Compare predictive power for 3 commonly used area-SES indices: the Graham Social Deprivation Index (SDI), the Area Deprivation Index (ADI), and the CDC Social Vulnerability Index (SVI), for a variety of health outcomes, at different geographic levels (county, 5-digit zip-code, census tract, and census block group). Also compare these indices to the simpler Townsend Deprivation Index (TDI) and population percent in poverty (area-Poverty). RESEARCH DESIGN: Principal research methods are logistic and ordinary least squares regression. SUBJECTS: Medicare fee-for-service beneficiaries, COVID-19 decedents, and drug overdose decedents. MEASURES: SDI, SVI, ADI, TDI, area-Poverty. HEALTH OUTCOMES STUDIED: All-cause mortality, diabetes incidence and prevalence, hypertension, renal disease, and 30-day hospital readmission for Medicare beneficiaries; COVID-19 mortality; overdose mortality; Medicare fee-for-service spending. RESULTS: All measures predict the health outcomes, controlling for age, gender, race/ethnicity, and comorbidities, at zip code, tract, and block-group levels. Predictive power is comparable for SDI, SVI, and a standardized version of ADI, and generally superior to TDI, area-Poverty, and non-standardized ADI. Predictive power is highest at tract level, similar at block-group; reasonably strong at zip code, but weaker at county level. CONCLUSIONS: Across a range of health outcomes, we find similar predictive power for SDI, SVI, and standardized ADI, ideally measured at census tract level. SDI has the value of being more parsimonious, with similar performance. Non-standardized ADI cannot be recommended.
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 | 0,015 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».