Consistency between education reported in health survey and recorded in death certificate
Notice bibliographique
Résumé
BACKGROUND: Education level is one indicator of socioeconomic position which, in several countries including South Korea, is provided though death certificate data. Its validity determines the usefulness of death certificate data for exploring the association between socioeconomic position and mortality. This study was to compare education recorded on the death certificate with that reported before death in a nationally representative cohort of participants in the National Health and Nutrition Examination Survey (NHANES). METHODS: The 1998/2001 NHANES data contained unique 13-digit personal identification numbers that were individually linked to death certificate data from the Korean National Statistical Office. Duration of mortality follow-up was 7.1 years. The data from 513 deaths were used to determine sensitivity and specificity of education in death certificate and estimate agreement rates of education level between NHANES data and death certificate data. Odds ratios for agreement in education were also estimated. Covariates considered in the analyses were gender, age, duration between NHANES and death, and cause of death. RESULTS: The proportion of deaths without recorded education in death certificate was very low (0.2%). A total of 29.4% discordant pairs were found. Sensitivity and specificity for college or higher education were 0.84 (95% confidence interval 0.71-0.97) and 0.99 (0.98-1.00). However, sensitivity was poor for middle school education. The overall agreement rate was 70.7% (66.8%-74.6%) when education was categorized into five groups and increased up to 88.9% (86.2%-91.6%) when three education categories were used. The magnitude of validity and reliability for education did not generally vary with age, duration between health survey and death, and cause of death. However, a significantly smaller likelihood of agreement was found for middle and elementary school education after adjusting for covariates. CONCLUSION: Low percentage of missing information on education in South Korean death certificate data could provide a great potential to monitor mortality inequalities. A more collapsed categorization in education would be recommended when a more definitive conclusion on educational mortality inequality is required.
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 | 0,019 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».