MétaCan
Menu
Retour à la cohorte
Enregistrement W747889377 · doi:10.13189/ujph.2015.030304

Health Status Change of English, French and Chinese Immigrants in Ottawa and Gatineau, Canada

2015· article· en· W747889377 sur OpenAlexaboutno aff
Ning Tang, Colin MacDougall

Notice bibliographique

RevueUniversal Journal of Public Health · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationGeographyDemographySociologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Background: Health status change of the immigrants is of particular interest to health researchers and policy-makers, because it can impact population health outcomes; English, French and Chinese speaking immigrants are main immigrant sub-groups in Canada. Objectives: The multicultural study aims at examining general Health Status Change of English, French and Chinese speaking immigrants in Ottawa and Gatineau, Canada, and identifying demographic factors that correlate with the change and impact the change. Methods: In total, 810 English, French and Chinese speaking immigrants in Ottawa and Gatineau, Canada were recruited by purposive-sampling. Using self-reports, respondents answered questions regarding general Health Status and Demography in a Multicultural Lifestyle Change Questionnaire of English, French or Chinese version. Data in Health Status Change were analyzed statistically in percentage, significance of difference, correlation and regression. Results: Immigrants of different gender, language and category sub-groups exhibited different Health Status Change Rates, Health Status Improving Rates and Health Status Declining Rates, but no statistical difference between the rates. Immigrant general Health Status Change was correlated positively with Age and Primary Occupation, and negatively with Income. Mother Tongue, Primary Occupation and Income significantly impacted Health Status Change. Conclusion: Immigrants of different sub-groups in Canada experienced different health status change. The results supported

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,186

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,318
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversal Journal of Public HealthMême sujetMigration, Health and TraumaTravaux en français237 207