Spatial epidemiology of premature mortality in Ontario, Canada
Notice bibliographique
Résumé
IntroductionGeographic disparities in health indicators, such as premature mortality, may reveal area-level weaknesses in health system performance. Monitoring geographic trends can therefore have powerful implications for system evaluation and planning. However, attempts to understand patterns of population health can be complicated by underlying regional differences in demographics and behaviours.
 Objectives and ApproachThis study aimed to identify regional disparities in premature mortality (defined as death before age 75), and to investigate how fully these disparities can be explained by population-level characteristics. Ontario’s 76 administrative Local Health Integration Network (LHIN) sub-regions, which vary in geographic and population size, were analyzed using linked population-level data from the Institute for Clinical Evaluative Sciences and Cancer Care Ontario.
 Spatially structured, sex-stratified Bayesian hierarchical models were used to estimate standardized mortality ratios (SMRs) for each LHIN sub-region in the 2011-2015 period. Models were adjusted for key population-level demographic and behavioural risk factors.
 ResultsLarge disparities in premature mortality presented at the sub-region level in males and females. Low premature mortality clustered around large, urban population centers in Ottawa and Toronto. Premature mortality was comparatively higher throughout the rest of the province, particularly in northern and southeast Ontario.
 Higher prevalence of material deprivation, overweight and obesity, sedentary behaviour, and smoking were all significantly (α=0.05) associated with elevated premature mortality risk, while increased alcohol consumption and immigrant population were associated with decreased risk.
 Adjusting for model covariates reduced variance of sub-region SMR estimates by 87% in males and 89% in females. Population-level characteristics thus explain a large proportion of geographic inequality in premature mortality. However, residual spatial variation suggests that systematic regional differences in premature mortality extend beyond population-level traits.
 Conclusion/Implications
 This study represents a novel application of small-area analytic techniques to Ontario mortality data, made possible by comprehensive linkage of vital statistics. The findings highlight the importance of population composition to geographic disparities in health. Future work should investigate the influence of system-level factors in areas with elevated premature mortality.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 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 ».