Social gradients in child health and development in relation to income inequality. Who benefits from greater income equality
Notice bibliographique
Résumé
There is considerable evidence that health and development are better, on average, in countries with greater income equality. However, much of the research has focussed on average health and wellbeing; it is less clear how this benefit is distributed across society – do people from advantaged and disadvantaged socioeconomic backgrounds benefit equally? Further, there has been little research on the relationship between income inequality and child health. \nThis thesis aimed to explore how the social gradient in child health and development varies in relation to income inequality in high income countries. \n \nI used two approaches to answer the question: Does everyone do better in more equal countries? I conducted a critical review of previous literature comparing social gradients in health and wellbeing. I also conducted original analysis using a comparative cohort study. I compared social gradients in health and development among children aged 4-6, using 7 cohort studies from 6 countries (US, UK, Australia, Canada, Netherlands, Sweden). I reviewed approaches to comparing data between studies and across countries, and harmonised the samples and variables to facilitate comparisons. \n \nThe studies in the critical review varied considerably, but there was substantial evidence that health and wellbeing are better for everyone in more equal countries (with the most disadvantaged benefitting the most). In the comparative cohort analysis, there was some evidence that social gradients are steeper in more equal countries (inequalities are greater), and some evidence that everyone does better. However, there were many inconsistencies and comparisons were challenging due to measurement differences between the cohorts. \n \nThe observation that social gradients are shallower in some countries than others shows that such inequalities can be prevented. There is growing evidence that people from all social backgrounds would benefit if countries had greater income equality. \n
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».