Examen de la représentativité à l’échelle municipale de la cohorte de l’Étude longitudinale canadienne sur le vieillissement (ELCV) : une analyse des données de référence des participants de Calgary
Bibliographic record
Abstract
Introduction L’Étude longitudinale canadienne sur le vieillissement (ELCV) est une ressource riche, représentative de la population à l’échelle nationale et utilisable à de multiples fins. Même si les municipalités pourraient vouloir utiliser les données de l’ELCV pour répondre à certains besoins stratégiques locaux, on ne sait pas dans quelle mesure les cohortes de l’ELCV sont représentatives des populations à l’échelon municipal. Calgary, ville située en Alberta, étant l’un des 11 sites de collecte de données de l’ELCV, nous avions comme objectif d’examiner dans quelle mesure l’échantillon sur Calgary tiré de l’ELCV était représentatif de la population générale de cette ville en ce qui concerne certaines variables sociodémographiques. Méthodologie Les caractéristiques de référence (le sexe, l’état matrimonial, l’origine ethnique, le niveau de scolarité, le statut vis-à-vis de la retraite, le revenu, le statut vis-àvis de l’immigration, la migration interne) des participants à l’ELCV du site de collecte des données de Calgary entre 2011 et 2015 ont été comparées à des profils analogues tirés des ensembles de données de l’Enquête nationale auprès des ménages (ENM) de 2011 et du recensement de 2016, qui couvrent les années pendant lesquelles les données sur les participants à l’ELCV ont été recueillies. Résultats Les participants de Calgary à l’ELCV étaient représentatifs de la population de Calgary pour ce qui est de l’âge, du sexe et de l’identité autochtone. Des écarts de plus de 5 % par rapport à l’ENM ou au recensement de 2016 ont cependant été observés en ce qui concerne l’état matrimonial, les éléments associés à la diversité ethnique (c.àd. le statut visàvis de l’immigration, le lieu de naissance, la langue non officielle parlée à la maison), la migration interne, le revenu, la situation vis-à-vis de la retraite et le niveau de scolarité. Conclusion Les responsables des études volontaires ont de la difficulté à recruter des cohortes véritablement représentatives. Les collectivités qui choisissent d’utiliser les données de l’ELCV à l’échelle municipale, que ce soit à Calgary ou dans les 10 autres sites de collecte de données, devraient être prudentes lorsqu’elles interprètent les résultats de ces analyses car les participants à l’ELCV pourraient ne pas être parfaitement représentatifs de la population locale en ce qui concerne certaines caractéristiques d’intérêt.
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 | 0.022 | 0.047 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.008 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".