Ageing, the Urban-Rural Gap and Disability Trends: 19 Years of Experience in China - 1987 to 2006
Notice bibliographique
Résumé
BACKGROUND: As the age of a population increases, so too does the rate of disability. In addition, disability is likely to be more common in rural compared with urban areas. The present study aimed to examine the influence of rapid population changes in terms of age and rural/urban residence on the prevalence of disability. METHODS: Data from the 1987 and 2006 China Sampling Surveys on Disability were used to estimate the impacts of rapid ageing and the widening urban-rural gap on the prevalence of disability. Stratum specific rates of disability were estimated by 5-year age-group and type of residence. The decomposition of rates method was used to calculate the rate difference for each stratum between the two surveys. RESULTS: The crude disability rate increased from 4.89% in 1987 to 6.39% in 2006, a 1.5% increase over the 19 year period. However, after the compositional effects from the overall rates of changing age-structure in 1987 and 2006 were eliminated by standardization, the disability rate in 1987 was 6.13%, which is higher than that in 2006 (5.91%). While in 1987 the excess due to rural residence compared with urban was <1.0%, this difference increased to >1.5% by 2006, suggesting a widening disparity by type of residence. When rates were decomposed, the bulk of the disability could be attributed to ageing, and very little to rural residence. However, a wider gap in prevalence between rural and urban areas could be observed in some age groups by 2006. CONCLUSION: The increasing number of elderly disabled persons in China and the widening discrepancy of disability prevalence between urban and rural areas may indicate that the most important priorities for disability prevention in China are to reinforce health promotion in older adults and improve health services in rural communities.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».