Socioeconomic differential in self-assessment of health and happiness in 5 African countries: Finding from World Value Survey
Notice bibliographique
Résumé
OBJECTIVE: Factors that contribute to wealth related inequalities in self-rated health (SRH) and happiness remains unclear most especially in sub-Saharan countries (SSA). This study aims to explore and compare socioeconomic differentials in SRH and happiness in five SSA countries. METHODS: Using the 2010/2014 World Values Survey (WVS), we obtained a sample of 9,869 participants of age 16 and above from five SSA countries (Nigeria, Ghana, South Africa, Rwanda and Zimbabwe). Socioeconomic inequalities were quantified using the concentration index. The contribution of each predictor to concentration index's magnitude was obtained by means of regression based decomposition analysis. RESULTS: Poor SRH ranges from approximately 9% in Nigeria to 20% in Zimbabwe, whereas unhappiness was lower in Rwanda (9.5%) and higher in South Africa (23.3%). Concentration index was negative for both outcomes in all countries, which implies that poor SRH and unhappiness are excessively concentrated among the poorest socioeconomic strata. Although magnitudes differ across countries, however, the major contributor to wealth-related inequality in poor SRH is satisfaction with financial situation whereas for unhappiness the major contributors are level of income and satisfaction with financial situation. CONCLUSIONS: This study underscores an association between wealth related inequalities and poor SRH and unhappiness in the context of SSA. Improving equity in health, as suggested by the commission of social determinants of health may be useful in fighting against the unfair distribution of resources. Thus, knowledge about the self-rating of health and happiness can serve as proxy estimates for understanding the distribution of health care access and economic resources needed for well-being in resident countries.
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) | 0,000 | 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 ».