Can States Simultaneously Improve Health Outcomes and Reduce Health Outcome Disparities?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Reducing racial health disparities is often stated as a population health goal, but specific targets for such improvement are seldom set. It is often assumed that improving overall health outcomes will be linked to disparity reduction, but this is not necessarily the case. METHODS: We compared the annual change from 1999 through 2013 in combined-race (black and white) mortality with the annual change in absolute and relative racial mortality disparities for US states. RESULTS: Median annual improvement in combined-race mortality was 1.08% per year. Annual overall mortality rate reductions ranged from 0.24% per year in Oklahoma to 1.83% per year in Maryland. For disparities, the median for the black-white absolute gap was 3.60% per year, and the median for the relative black-to-white ratio was 1.19% per year. There was no significant correlation between the combined-race measure and either the absolute (0.03) or relative disparity measure reductions (-0.17). CONCLUSION: For mortality in US states over a recent period, improvement in the population mean and disparity reduction do not usually occur together. The disparity reduction rates observed may provide realistic guidance for public and private policy makers in setting goals for reducing population health disparity and creating investment priorities. As a starting point for discussion, the observed national median annual percentage improvement of 1.1 per year combined, 3.6% per year absolute gap reduction, and 1.2% per year relative gap reduction would be modest and reasonable goals.
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.
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 | 0,001 |
| 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 | 0,001 | 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) | 0,000 | 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 découle