Gender differences in healthy life expectancy among Brazilian elderly
Notice bibliographique
Résumé
BACKGROUND: This study examined gender differences in healthy life expectancy (HLE) and unhealthy life expectancy (UHLE) among people aged 60 years or older living in a large Brazilian city. METHODS: Based on Chiang method, abridged life tables were constructed for men and for women. To calculate HLE, the Sullivan method was applied. Estimates of the prevalence of self-rated health and self-reported functional disability (global, mild/moderate, and severe) were obtained from a population-based household survey carried out in 2008, which involved non-institutionalized individuals. RESULTS: Findings showed that women live longer and these extra years would be spent in good self-rated health. For example, women aged 60 would live, on average, 4 more years in good health in comparison to men. In terms of global limitations and mild/moderate limitations, no gender differences were detected for HLE. However, UHLE was statistically higher among women than among men at all ages in the global limitations and mild/moderate limitations (except for the age 80). Women at age 60, for instance, could expect to live 3.1 years longer with mild/moderate limitations compared to men. Gender differences were identified for severe limitations for either HLE or UHLE. In comparison to men, women at age 60, for example, would expect to live 2.5 and 2.0 more years without and with severe limitations. CONCLUSIONS: By showing that the advantage of longer life expectancy among women is not necessarily accompanied by worse health conditions, these findings add some evidence to the debate about male-female health-survival paradox. Policy efforts are necessary to reduce gender differences in the quantity and quality of years to be lived, providing equal opportunities to women and men live longer with quality of life, autonomy, and independence.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».