Unlocking the numerator-denominator bias. II: Adjustments to mortality rates by ethnicity and deprivation during 1991-94. The New Zealand Census-Mortality Study.
Notice bibliographique
Résumé
AIMS: Maori and Pacific mortality rates are underestimated due to different recording of ethnicity between mortality and census data--the so-called numerator-denominator bias. Ethnicity and deprivation are strongly associated with mortality in New Zealand, but it is unclear what are the independent and overlapping effects of each on health. The objectives of this study were first, to determine the effect of adjusting for numerator-denominator bias on ethnic-specific age-standardised all-cause mortality rates among 0-74 year olds during 1991-94: second, to determine the effect of adjusting for numerator-denominator bias on analyses of the independent associations of ethnic group and small area deprivation with all-cause mortality in New Zealand. METHODS: Direct standardisation methods were used to calculate rates of mortality by ethnic and small area deprivation groupings. RESULTS: Unadjusted for numerator-denominator bias, Maori had a 70% and 101% higher standardised mortality rate than non-Maori non-Pacific for males and females, respectively. Adjusting for numerator-denominator bias, the excess Maori mortality burden increased to 126% and 158%. For Pacific people, excess mortality increased from -5% and -13% (ie apparently lower mortality rates) to 58% and 54% after adjustment, for males and females respectively. Using data adjusted for numerator-denominator bias, about a third of the Maori to non-Maori non-Pacific disparity in mortality among 0-54 year olds was explained by small area deprivation. Conversely, about a quarter of the mortality gradient by deprivation in New Zealand was explained by ethnic group. CONCLUSIONS: Numerator-denominator bias causes a marked underestimate of the ethnic disparities in mortality in New Zealand for the 1991-4 period, both overall and within strata of deprivation. The distribution of small area deprivation by ethnicity explains some of the ethnic disparities in mortality.
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 | 0,031 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».