Indigenous disparities in disease-specific mortality, a cross-country comparison: New Zealand, Australia, Canada, and the United States.
Notice bibliographique
Résumé
AIMS: To compare the disease-specific mortality rates of the indigenous populations of New Zealand, Australia, Canada, and the United States with the non-indigenous populations in each country. METHODS: For New Zealand, Australia, Canada, and the United States, we compiled and calculated (from crude data) ethnic-specific mortality rates by primary cause of death in 1999 for the indigenous and non-indigenous populations in each country. We calculated age-adjusted mortality rates, using direct standardisation and weights based on the World Health Organization world population. RESULTS: Australia experienced the largest relative and absolute disparities in life expectancy between indigenous and non-indigenous populations. For specific causes of death, New Zealand Maori, and Australian Aboriginals and Torres Strait Islanders experienced the highest levels of disparities when compared to their respective non-indigenous population group. Large disparities exist for indigenous peoples in all four countries for diabetes mortality. CONCLUSION The indigenous peoples of New Zealand and Australia suffer from high disease-specific mortality rates. The relative size of indigenous/non-indigenous mortality disparities are highest in New Zealand and Australia. There appears to be a number of common issues that adversely affect the quality of the mortality data that is available in the four countries. Action is required to address indigenous health disparities and to improve the quality of indigenous mortality data.
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 | 0,001 | 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 | 0,002 | 0,001 |
| 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) | 0,000 | 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 ».