MétaCan
Menu
Retour à la cohorte
Enregistrement W2057124436 · doi:10.12927/whp.2014.23722

Urbanization and Health in Developing Countries: A Systematic Review

2014· review· en· W2057124436 sur OpenAlexvenueno aff
Sophie Eckert, Stefan Köhler

Notice bibliographique

RevueWorld health & population · 2014
Typereview
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUrbanizationDeveloping countryPolitical scienceEconomic growthRegional scienceGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Future population growth will take place predominantly in cities of the developing world. The impact of urbanization on health is discussed controversially. We review recent research on urban-rural and intra-urban health differences in developing countries and investigate whether a health advantage was found for urban areas. METHODS: We systematically searched the databases JSTOR, PubMed, ScienceDirect and SSRN for studies that compare health status in urban and rural areas. The studies had to examine selected World Health Organization health indicators. RESULTS: Eleven studies of the association between urbanization and the selected health indicators in developing countries met our selection criteria. Urbanization was associated with a lower risk of undernutrition but a higher risk of overweight in children. A lower total fertility rate and lower odds of giving birth were found for urban areas. The association between urbanization and life expectancy was positive but insignificant. Common risk factors for chronic diseases were more prevalent in urban areas. Urban-rural differences in mortality from communicable diseases depended on the disease studied. CONCLUSION: Several health outcomes were correlated with urbanization in developing countries. Urbanization may improve some health problems developing countries face and worsen others. Therefore, urbanization itself should not be embraced as a solution to health problems but should be accompanied by an informed and reactive health policy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,535
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,099
Tête enseignante GPT0,461
Écart entre enseignants0,363 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations235
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld health & populationMême sujetHealth disparities and outcomesTravaux en français237 207