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 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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».