Conditions de vie durant l’enfance et longévité : évaluation d’une base de données créée à partir du recensement canadien de 1901 et de l’état civil québécois1
Bibliographic record
Abstract
Plusieurs études montrent que les conditions de vie vécues dans l’enfance peuvent avoir un effet à long terme sur la santé et la mortalité. Cette niche n’ayant pas été explorée pour la population canadienne, nous avons mis sur pied un projet visant le jumelage du recensement canadien de 1901 et des actes de décès de l’état civil québécois dans le but d’établir l’âge au décès d’enfants pour lesquels il existait des informations socio-économiques. Le but de la présente contribution est de tester la validité des données collectées en les comparant avec des tables de mortalité calculées à l’aide des données issues de la Base de données sur la longévité canadienne (Université de Montréal), et d’examiner des sources de biais potentiels. Parmi les biais potentiels, nous avons évalué la possibilité d’un effet de sélection dans l’échantillon à l’aide d’une régression logistique dans laquelle nous avons introduit plusieurs variables explicatives de la mortalité aux grands âges. Le but recherché étant de savoir si ces variables ont à leur tour un impact sur le fait de trouver ou non un acte de décès.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.041 | 0.097 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.011 | 0.016 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".