MétaCan
Menu
Retour à la cohorte
Enregistrement W2134697688 · doi:10.1093/ije/dyl026

Peripherality, income inequality, and life expectancy: revisiting the income inequality hypothesis

2006· article· en· W2134697688 sur OpenAlexaff
Spencer Moore

Notice bibliographique

RevueInternational Journal of Epidemiology · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésLife expectancyInequalityEconomic inequalityIncome inequality metricsIncome distributionEconomicsDemographic economicsHealth equitySocial inequalitySociologyDemographyEconomic growthMathematicsHealth carePopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Recent criticisms of the income inequality and health hypothesis have stressed the lack of consistent significant evidence for the stronger effects of income inequality among rich countries. Despite such criticisms, little attention has been devoted to the income-based criteria underlying the stratification of countries into rich/poor groups and whether trade patterns and world-system role provide an alternative means of stratifying groups. METHODS: To compare income-based and trade-based criteria, 107 countries were grouped into four typologies: (I) high/low income, (II) OECD membership/non-membership, (III) core/non-core, and (IV) non-periphery/periphery. Each typology was tested separately for significant differences in the effects of income inequality between groups. Separate group comparison tests and regression analyses were conducted for each typology using Rodgers (1979) specification of income, income inequality, and life expectancy. Interaction terms were introduced into Rodgers specification to test whether group classification moderated the effects of income inequality on health. RESULTS: Results show that the effects of income inequality are stronger in the periphery than non-periphery (IV) (-0.76 vs -0.23; P < 0.05). An incremental F-test confirmed significant differences in the coefficient subsets between the two groups (F(2,101) = 6.31; P < 0.01). CONCLUSIONS: Cross-national analyses of income inequality and population health have assumed (i) income differences between countries best capture global stratification and (ii) the negative effects of income inequality are stronger in high-income countries. However, present findings emphasize (i) the importance of measuring global stratification according to trading patterns and (ii) the strong, negative effects of income inequality on life expectancy among peripheral populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,005
Communication savante0,0020,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,094
Tête enseignante GPT0,387
Écart entre enseignants0,293 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of EpidemiologyMême sujetIncome, Poverty, and InequalityTravaux en français237 207