Bibliographic record
Abstract
Si l’on trouve facilement des estimations de l’espérance de vie individuelle, ce n’est pas le cas des estimations pour le couple. L’absence de ces estimations peut être préjudiciable aux couples qui prennent ensemble des décisions importantes concernant notamment la retraite, l’épargne et d’autres considérations qui viennent avec l’âge. De plus, l’utilisation des mesures disponibles pour les individus peut conduire à des erreurs, car cela produit une surestimation du nombre d’années que le couple peut s’attendre à vivre ensemble (espérance de vie commune) et une sous-estimation du nombre d’années que la personne veuve peut s’attendre à survivre à son conjoint ou à sa conjointe (espérance de vie du conjoint survivant ou de la conjointe survivante). Dans cet article, nous utilisons les données de la Banque de données administratives longitudinales pour fournir des estimations de référence quant à l’espérance de vie commune et à l’espérance de vie du conjoint survivant ou de la conjointe survivante des couples canadiens, et montrer que ces estimations varient selon le revenu et la situation d’emploi des couples qui approchent de la retraite.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.006 |
| Science and technology studies | 0.003 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".