Age, SES, and health: a population level analysis of health inequalities over the lifecourse
Notice bibliographique
Résumé
This paper tests two competing hypotheses on the relationship between age, SES, and health inequality at the cohort/population level. The accumulation hypothesis predicts that the level of SES-based health inequality, and consequently the overall level of health inequality, within a cohort progressively increases as it ages. The divergence-convergence hypothesis predicts that these inequalities increase only up to early-old age then decrease. Data from a Canadian national health survey are used in this study, and are adjusted for SES-biases in mortality. Bootstrap methods are employed to assess the statistical precision and significance of the results. The Gini coefficient is used to estimate change in the overall level of health inequality with age, and the Concentration coefficient estimates the contribution of SES-based health inequalities to this change. Health is measured using the Health Utilities Index, and income and education provide the measure of SES. First, the findings show that the Gini coefficient progressively increases from 0.048 (95% CI: 0.045, 0.051) at ages 15-29 to 0.147 (95% CI: 0.131, 0.163) at ages 80+. Second, the data reveal that health inequalities between SES groups (Concentration coefficients for income and education) tend to follow a similar pattern of divergence. Together these findings provide support for the accumulation hypothesis. A notable implication of the study's findings is that the level of health inequality increases when compensating for age-specific socio-economic differences in mortality. These selective effects of mortality should be considered in future research on health inequalities and the lifecourse.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».