What Explains Socioeconomic Inequality in Health-related Quality of Life in Iran? A Blinder-Oaxaca Decomposition
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to explain the health-related quality of life (HRQoL) gap between the poorest and the wealthiest quintiles in the capitals of Kermanshah and Kurdistan Provinces (Kermanshah and Sanandaj), in western Iran. METHODS: This was a cross-sectional study conducted among 1772 adults. Data on socio-demographic characteristics, socioeconomic status (SES), lifestyle factors, body mass index, and HRQoL of participants were collected using a self-administered questionnaire. The slope and relative indices of inequality (SII and RII, respectively) were employed to examine socioeconomic inequality in poor HRQoL. Blinder-Oaxaca (BO) decomposition was used to quantify the contribution of explanatory variables to the gap in the prevalence of poor HRQoL between the wealthiest and the poorest groups. RESULTS: The overall crude and age-adjusted prevalence of poor HRQoL among adults was 32.0 and 41.8%, respectively. The SII and RII indicated that poor HRQoL was mainly concentrated among individuals with lower SES. The absolute difference (%) in the prevalence of poor HRQoL between the highest and lowest SES groups was 28.4. The BO results indicated that 49.9% of the difference was explained by different distributions of age, smoking behavior, physical inactivity, chronic health conditions, and obesity between the highest and lowest SES groups, while the remaining half of the gap was explained by the response effect. CONCLUSIONS: We observed a pro-rich distribution of poor HRQoL among adults in the capitals of Kermanshah and Kurdistan Provinces. Policies and strategies aimed at preventing and reducing smoking, physical inactivity, chronic health conditions, and obesity among the poor may reduce the gap in poor HRQoL between the highest and lowest SES groups in Iran.
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 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 | 0,030 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».