Partnered for health: How health interacts with partnership and how policy manages health inequality
Bibliographic record
Abstract
Le mariage peut être avantageux pour les gens, tout autant que le tabagisme nuit à leur santé. Les hommes, en particulier, bénéficient d'une augmentation de dix ans de leur espérance de vie; pour les femmes, cette augmentation est de quatre ans. Bien que nous soyons conscients que ces inégalités existent entre les personnes célibataires et celles qui vivent en partenariat (mariage ou concubinage), il existe quatre hypothèses qui semblent indiquer en partie ce qui se passe et pourquoi il en est ainsi : les avantages du partenariat, la sélection positive, la responsabilisation et la sélection négative. Cependant, l'incidence de chacune est liée au sexe des personnes et au contexte politique au cours de leur vie. La présente dissertation s'appuie sur des données longitudinales provenant d'études par panel réalisées au Canada et aux États-Unis, afin d'examiner l'incidence variable du sexe et des politiques dans la modification des incitations en cause dans les partenariats et les types de partenariats. Nous nous concentrons sur la transition vers le partenariat comme un événement hautement sélectif qui est suivi, en théorie, par une période d'avantages sur les plans social et de la santé. Nous utilisons des courbes de santé non linéaires ajustées lissées pour illustrer la transition vers un partenariat en vue de déterminer les personnes qui entrent en partenariat, le moment qu'elles choisissent pour le faire, ainsi que les avantages que ce partenariat leur procure. Toutes les analyses sont séparées par sexe pour comprendre le rôle variable que le sexe exerce sur la découverte d'un partenaire et les avantages que procure le partenariat. Les résultats semblent indiquer que les politiques publiques, surtout celles touchant les soins de santé, déterminent l'importance de la sélection relative à la santé, et que le sexe modifie le rôle que jouent les avantages et la sélection. La présente dissertation met donc en évidence les effets non intentionnels que les politiques sociales produisent dans la détermination des personnes qui entrent en partenariat et du moment qu'elles choisissent pour le faire. En d'autres termes, le « mariage est important » seulement lorsque le fait de n'être « pas marié » (c.-à-d., célibataire ou en concubinage) est risqué.
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 | 0.006 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.010 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 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".