Long-term local area employment rates as predictors of individual mortality and morbidity: a prospective study in England, spanning more than two decades
Notice bibliographique
Résumé
BACKGROUND: Although long-term trends in local labour market conditions are likely to influence health, few studies have assessed whether this is so. This paper examines whether (1) trends in local employment rates have relevance for mortality and morbidity outcomes in England and (2) trends are stronger predictors of these outcomes than employment rates measured at one point in time. METHODS: Using latent class growth models, local areas were classified into eight groups following distinct trends in employment rates between 1981 and 2008. Areas were also categorised in 'octile' groups by rank of employment rates in 2001. These area groupings were linked to a sample of 207,959 individuals from the Office of National Statistics Longitudinal Study. Associations between area groupings and risk of all-cause mortality and of reporting a limiting long-term illness at the end of the period were measured using logistic regression. Models were adjusted for individuals' socio-demographic characteristics measured in 1981 and for their residential mobility between 1981 and 2001. RESULTS: Compared to areas with continuously high employment rates over the period, risk of mortality and morbidity was higher in areas with persistently low or declining employment rates. Findings suggest that long-term trends in local employment rates are useful as predictors of mortality and morbidity differences. These are not so clearly distinguished by only considering employment rates at one point in time. CONCLUSION: Poor health outcomes are associated with long-term economic disadvantage in some areas of England, reflected in employment rates, underlining the importance of efforts to improve health in areas with especially 'deep-seated' deprivation.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».