Cause-specific mortality by occupational skill level in Canada: a 16-year follow-up study
Notice bibliographique
Résumé
INTRODUCTION: Mortality data by occupation are not routinely available in Canada, so we analyzed census-linked data to examine cause-specific mortality rates across groups of occupations ranked by skill level. METHODS: A 15% sample of 1991 Canadian Census respondents aged 25 years or older was previously linked to 16 years of mortality data (1991-2006). The current analysis is based on 2.3 million people aged 25 to 64 years at cohort inception, among whom there were 164 332 deaths during the follow-up period. Occupations coded according to the National Occupation Classification were grouped into five skill levels. Age-standardized mortality rates (ASMRs), rate ratios (RRs), rate differences (RDs) and excess mortality were calculated by occupational skill level for various causes of death. RESULTS: ASMRs were clearly graded by skill level: they were highest among those employed in unskilled jobs (and those without an occupation) and lowest for those in professional occupations. All-cause RRs for men were 1.16, 1.40, 1.63 and 1.83 with decreasing occupational skill level compared with professionals. For women the gradient was less steep: 1.23, 1.24, 1.32 and 1.53. This gradient was present for most causes of death. Rate ratios comparing lowest to highest skill levels were greater than 2 for HIV/AIDS, diabetes mellitus, suicide and cancer of the cervix as well as for causes of death associated with tobacco use and excessive alcohol consumption. CONCLUSION: Mortality gradients by occupational skill level were evident for most causes of death. These results provide detailed cause-specific baseline indicators not previously available for Canada.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».