Twelve worlds: a geo-demographic comparison of global inequalities in mortality
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to identify clusters of nations grouped by health outcomes in order to provide sensible groupings for international comparisons. The utility of this approach is demonstrated by comparing life expectancy and a range of health system indicators within and between each cluster. METHODS: Age- and sex-specific mortality data for 190 member states were extracted from the Burden of Disease Estimates statistics produced by the World Health Organization. A hierarchical cluster method was used to identify groupings of countries that are homogeneous in terms of mortality rates. RESULTS: 12 clusters of countries were identified. The average life expectancy of each cluster ranged from 81.5 years (cluster 1) to 37.7 years (cluster 12). The two highest ranked clusters were dominated by Western European countries, Australia, Japan and Canada. Cluster 3 included the UK and USA. The four clusters with the lowest life expectancies were characterised by different configurations of African countries. Health system indicators for workforce, hospital beds, access to medicines and measles vaccination corresponded well with a clear association with cluster life expectancy. On a per capita basis, worldwide health spending was concentrated within the three highest life expectancy clusters, especially cluster 3 containing the USA. CONCLUSIONS: Considerable inequalities in life expectancy and healthcare are made clearer when viewed across clusters of countries grouped by health outcomes. This geo-demographic taxonomy of global mortality has advantages over traditional more ad hoc systems for comparing global health inequalities and for deciding which countries appear to have the most comparable health outcomes.
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 | 0,036 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,006 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».