Long-term trends in the contribution of major causes of death to the black-white life expectancy gap by US state
Notice bibliographique
Résumé
Abstract States have fared differently in their progress towards eliminating the black-white life expectancy gap. Our objective is to describe the pattern of contributions of each of six major causes of deaths to the sex-specific black-white life expectancy gap across states over the last half-century, and identify divergent states. Using vital statistics and census data, we extracted the number of deaths and population sizes for the years 1969 to 2013, by state, gender, race, 19 age groups, and six major causes of death. Although mortality from cardiovascular disease has decreased dramatically, its contribution to the life expectancy gap increased over time for men (from 0.9 to 1.2 years), but decreased for women (from 2.4 to 1 years). The contribution of non-communicable diseases to the gap was stable over time for men (approximately 0.4 years) but decreased for women (from 0.7 to 0.2 years), while cancers exhibited an inverted-U trend for men (peaking at 1.1 years in 1988) and a stable contribution for women (approximately 0.5 years). Both genders exhibited a decreased contribution from injuries (men: 2.2 to 0.4 years), that became negative for women (women: 0.5 to -0.1 years). Several states diverged from these general trends. Life expectancy for both races has improved substantially in the US. For men, much of this improvement was due to narrowing differences in injury-related mortality, but these contributions were rivaled by an increasing gap in CVD-related mortality. In women, a crossover in injury-related mortality led to a narrower gap, realized partially by increasing mortality among whites.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».