MétaCan
Menu
Retour à la cohorte
Enregistrement W2168160838 · doi:10.2105/ajph.2009.189134

Income Inequality, Trust, and Population Health in 33 Countries

2010· article· en· W2168160838 sur OpenAlexafffund
Frank J. Elgar

Notice bibliographique

RevueAmerican Journal of Public Health · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensCarleton University
Organismes subventionnairesCanadian Institutes of Health ResearchWorld Bank Group
Mots-clésLife expectancyEconomic inequalityInequalityPopulation healthPopulationPublic healthHealth equityDemographic economicsSocial inequalityDemographyEconomicsEconomic growthSociologyMedicineHealth care

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: I examined the association between income inequality and population health and tested whether this association was mediated by interpersonal trust or public expenditures on health. METHODS: Individual data on trust were collected from 48 641 adults in 33 countries. These data were linked to country data on income inequality, public health expenditures, healthy life expectancy, and adult mortality. Regression analyses tested for statistical mediation of the association between income inequality and population health outcomes by country differences in trust and health expenditures. RESULTS: Income inequality correlated with country differences in trust (r = -0.51), health expenditures (r = -0.45), life expectancy (r = -0.74), and mortality (r = 0.55). Trust correlated with life expectancy (r = 0.48) and mortality (r = -0.47) and partly mediated their relations to income inequality. Health expenditures did not correlate with life expectancy and mortality, and health expenditures did not mediate links between inequality and health. CONCLUSIONS: Income inequality might contribute to short life expectancy and adult mortality in part because of societal differences in trust. Societies with low levels of trust may lack the capacity to create the kind of social supports and connections that promote health and successful aging.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,251
Score d'incertitude au seuil0,908

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,043
Tête enseignante GPT0,405
Écart entre enseignants0,362 · 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 tête enseignante, 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

Citations152
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Public HealthMême sujetHealth disparities and outcomesTravaux en français237 207