Narrowing mortality gap between men and women over two decades: a registry-based study in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Historically, women have lower all-cause mortality than men. It is less understood that sex differences have been converging, particularly among certain subgroups and causes. This has implications for public health and health system planning. Our objective was to analyse contemporary sex differences over a 20-year period. METHODS: We analysed data from a population-based death registry, the Ontario Registrar's General Death file, which includes all deaths recorded in Canada's most populous province, from 1992 to 2012 (N=1 710 080 deaths). We calculated absolute and relative mortality sex differences for all-cause and cause-specific mortality, age-adjusted and age-specific, including the following causes: circulatory, cancers, respiratory and injuries. We used negative-binomial regression of mortality on socioeconomic status with direct age adjustment for the overall population. RESULTS: In the 20-year period, age-adjusted mortality dropped 39.2% and 29.8%, respectively, among men and women. The age-adjusted male-to-female mortality ratio dropped 41.4%, falling from 1.47 to 1.28. From 2000 onwards, all-cause mortality rates of high-income men were lower than those seen among low-income women. Relative mortality declines were greater among men than women for cancer, respiratory and injury-related deaths. The absolute decline in circulatory deaths was greater among men, although relative deciles were similar to women. The largest absolute mortality gains were seen among men over the age of 85 years. CONCLUSIONS: The large decline in mortality sex ratios in a Canadian province with universal healthcare over two decades signals an important population shift. These narrowing trends varied according to cause of death and age. In addition, persistent social inequalities in mortality exist and differentially affect men and women. The observed change in sex ratios has implications for healthcare and social systems.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».