untitled
<OAI-PMH schemaLocation=http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd>
<responseDate>2018-01-15T18:38:51Z</responseDate>
<request identifier=oai:HAL:hal-00734769v1 verb=GetRecord metadataPrefix=oai_dc>http://api.archives-ouvertes.fr/oai/hal/</request>
<GetRecord>
<record>
<header>
<identifier>oai:HAL:hal-00734769v1</identifier>
<datestamp>2018-01-11</datestamp>
<setSpec>type:COMM</setSpec>
<setSpec>subject:math</setSpec>
<setSpec>subject:stat</setSpec>
<setSpec>subject:sdv</setSpec>
<setSpec>collection:INSERM</setSpec>
<setSpec>collection:UNIV-AG</setSpec>
<setSpec>collection:CNRS</setSpec>
<setSpec>collection:INRIA</setSpec>
<setSpec>collection:IECN</setSpec>
<setSpec>collection:INSMI</setSpec>
<setSpec>collection:SANTE_PUB_INSERM</setSpec>
<setSpec>collection:IFR140</setSpec>
<setSpec>collection:INRIA-LORRAINE</setSpec>
<setSpec>collection:INRIA-NANCY-GRAND-EST</setSpec>
<setSpec>collection:IRSET</setSpec>
<setSpec>collection:UNIV-RENNES1</setSpec>
<setSpec>collection:IRSET-ERD</setSpec>
<setSpec>collection:BIOSIT</setSpec>
<setSpec>collection:UNIV-LORRAINE</setSpec>
<setSpec>collection:INRIA_TEST</setSpec>
<setSpec>collection:INRIA2</setSpec>
<setSpec>collection:UR1-UFR-SVE</setSpec>
<setSpec>collection:UR1-SDV</setSpec>
<setSpec>collection:UR1-HAL</setSpec>
<setSpec>collection:EHESP</setSpec>
<setSpec>collection:USPC</setSpec>
<setSpec>collection:IRSET-9</setSpec>
<setSpec>collection:UNIV-ANGERS</setSpec>
</header>
<metadata><dc>
<publisher>HAL CCSD</publisher>
<title lang=fr>Méthodologie de Création d'un Indice de Défaveur Contextuelle - Un Outil Permettant l'Analyse des Inégalités Sociales de Santé</title>
<creator>Lalloué, Benoît</creator>
<creator>Monnez, Jean-Marie</creator>
<creator>Padilla, Cindy</creator>
<creator>Zmirou-Navier, Denis</creator>
<creator>Deguen, Séverine</creator>
<contributor>École des Hautes Études en Santé Publique [EHESP] (EHESP)</contributor>
<contributor>Institut de recherche, santé, environnement et travail [Rennes] (Irset) ; Université d'Angers (UA) - Université des Antilles et de la Guyane (UAG) - Université de Rennes 1 (UR1) - École des Hautes Études en Santé Publique [EHESP] (EHESP) - Institut National de la Santé et de la Recherche Médicale (INSERM) - Structure Fédérative de Recherche en Biologie et Santé de Rennes ( Biosit : Biologie - Santé - Innovation Technologique )</contributor>
<contributor>Biology, genetics and statistics (BIGS) ; Inria Nancy - Grand Est ; Institut National de Recherche en Informatique et en Automatique (Inria) - Institut National de Recherche en Informatique et en Automatique (Inria) - Institut Élie Cartan de Lorraine (IECL) ; Université de Lorraine (UL) - Centre National de la Recherche Scientifique (CNRS) - Université de Lorraine (UL) - Centre National de la Recherche Scientifique (CNRS)</contributor>
<contributor>Probabilités et statistiques ; Institut Élie Cartan de Lorraine (IECL) ; Université de Lorraine (UL) - Centre National de la Recherche Scientifique (CNRS) - Université de Lorraine (UL) - Centre National de la Recherche Scientifique (CNRS)</contributor>
<contributor>Nutrition-Génétique et Exposition aux Risques Environnementaux (NGERE) ; Institut National de la Santé et de la Recherche Médicale (INSERM) - Université de Lorraine (UL)</contributor>
<contributor>Faculté de Médecine [Nancy] ; Université de Lorraine (UL)</contributor>
<description>International audience</description>
<source>SFDS - 44èmes journées de Statistique - 2012</source>
<coverage>Bruxelles, Belgium</coverage>
<identifier>hal-00734769</identifier>
<identifier>https://hal.archives-ouvertes.fr/hal-00734769</identifier>
<identifier>https://hal.archives-ouvertes.fr/hal-00734769/document</identifier>
<identifier>https://hal.archives-ouvertes.fr/hal-00734769/file/submission_44.pdf</identifier>
<source>https://hal.archives-ouvertes.fr/hal-00734769</source>
<source>SFDS - 44èmes journées de Statistique - 2012, May 2012, Bruxelles, Belgique. pp.Submission_44, 2012</source>
<language>fr</language>
<subject lang=en>hierarchical clustering</subject>
<subject lang=en>principal component analysis</subject>
<subject lang=en>social health inequalities</subject>
<subject lang=en>socioeconomic</subject>
<subject lang=en>Index</subject>
<subject>[MATH.MATH-ST] Mathematics [math]/Statistics [math.ST]</subject>
<subject>[STAT.TH] Statistics [stat]/Statistics Theory [stat.TH]</subject>
<subject>[SDV.SPEE] Life Sciences [q-bio]/Santé publique et épidémiologie</subject>
<type>info:eu-repo/semantics/conferenceObject</type>
<type>Conference papers</type>
<description lang=en>To study social health inequalities, contextual data may constitute an appropriate alternative to individual socioeconomic characteristics, often hard to retrieve. Indices can be used to summarize the multiple dimensions of the neighborhood socioeconomic status. The main objectives of this work are to develop a statistical procedure to create a neighborhood socioeconomic index and to investigate the influence of the clustering method of the deprivation index on the measure of health inequalities. Our study setting is composed of three major French metropolitan areas: Lille, Lyon and Marseille. The statistical unit is the French census block. The methodology uses several successive principal components analyses to select variables and create the index. Deprivation categories are drawn with hierarchical clustering on principal components. Twenty socioeconomic variables are selected in the neighborhood deprivation index. An optimal clustering obtained by HC is in three classes and the clusters are ordered along the first axis of the PCA.</description>
<date>2012-05-21</date>
</dc>
</metadata>
</record>
</GetRecord>
</OAI-PMH>
