What role does socio-economic position play in the link between functional limitations and self-rated health: France vs. USA?
Notice bibliographique
Résumé
BACKGROUND: Our objective was to analyse the influence of education on the link between functional limitation (FL) and self-rated health (SRH) in two countries, France and the USA. METHODS: The data of the North American NHANES study (n = 9254) and the French National Health Survey (n = 25 559) were used. FL was measured by the ADL and IADL scales. We constructed a logistic regression model with SRH as the outcome and included variables for education, FL and the interaction between education and FL. All results were adjusted for age. RESULTS: Poor SRH was more frequently reported in France than in the USA (24.1% vs. 18.4% for men, 29.0% vs. 19.7% for women). The most highly educated persons in the USA had similar FL (25.4% for men, 32.9% for women) to the least educated French persons (22.8% for men, 31.8% for women). In the USA, FL was associated more strongly with poor SRH in the most educated men than in the least educated. In France, the same interaction was observed although the link was weaker than in the USA. FL was more strongly associated with poor SRH in the most educated women than in the least educated in both countries. CONCLUSION: Functional limitation had a greater impact on the most highly educated persons in both France and the USA. Using SRH as a measure of health for evaluating social inequalities could lead to underestimation of the true magnitude of functional health inequalities existing within and between countries.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».