Decomposing the causes of socioeconomic-related health inequality among urban and rural populations in China: a new decomposition approach
Notice bibliographique
Résumé
BACKGROUND: In recent decades, China has experienced tremendous economic growth and also witnessed growing socioeconomic-related health inequality. The study aims to explore the potential causes of socioeconomic-related health inequality in urban and rural areas of China over the past two decades. METHODS: This study used six waves of the China Health and Nutrition Survey (CHNS) from 1991 to 2006. The recentered influence function (RIF) regression decomposition method was employed to decompose socioeconomic-related health inequality in China. Health status was derived from self-rated health (SRH) scores. The analyses were conducted on urban and rural samples separately. RESULTS: We found that the average level of health status declined from 1989 to 2006 for both urban and rural populations. Average health scores were greater for the rural population compared with those for the urban population. We also found that there exists pro-rich health inequality in China. While income and secondary education were the main factors to reduce health inequality, older people, unhealthy lifestyles and a poor home environment increased inequality. Health insurance had the opposite effects on health inequality for urban and rural populations, resulting in lower inequality for urban populations and higher inequality for their rural counterparts. CONCLUSION: These findings suggest that an effective way to reduce socioeconomic-related health inequality is not only to increase income and improve access to health care services, but also to focus on improvements in the lifestyles and the home environment. Specifically, for rural populations, it is particularly important to improve the design of health insurance and implement a more comprehensive insurance package that can effectively target the rural poor. Moreover, it is necessary to comprehensively promote the flush toilets and tap water in rural areas. For urban populations, in addition to promoting universal secondary education, healthy lifestyles should be promoted, including measures such as alcohol control.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».