Canadian trends in the social determinants of health inequalities, a census-mortality linkage approach
Notice bibliographique
Résumé
IntroductionMortality inequalities by income and education levels have historically been estimated using an area-based approach in Canada. Although useful in measuring socioeconomic inequalities overtime, this method underestimates the level of inequality and only allows the examination of a single dimension at a time.
 Objectives and ApproachTo create a series of census linked datasets that allowed for the examination of health inequalities across different socioeconomic dimensions. Specifically, five census cycles (beginning with the 1991 Census) were probabilistically and deterministically linked to different health outcomes (mortality, cancer, hospitalization) to create the Canadian Census Health and Environment Cohort (CanCHEC). Each dataset was created using a similar methodological approach which allowed for the measurement of these health inequalities over time. Mortality inequalities by both income and education level (including multidimensional) for all causes and cause-specific groups were examined.
 ResultsFive census linked datasets were constructed that followed mortality for a period of up to 20 years. The 1991 CanCHEC includes 2.6 million adults, the 1996 and 2001 CanCHECs include 3.5 million adults respectively, and the 2006 and 2011 CanCHECs include 5.9 and 6.5 million people respectively. Findings revealed a stair-stepped gradient in all-cause and cause-specific mortality by educational attainment and income quintile across each time period. The lowest mortality rates were among the university educated and richest income quintile and highest mortality rates among those with less than high school graduation and the poorest income quintile. The gradient differed by cause of death groupings. Over the 25-year time period, the mortality gradient trend varied by socioeconomic dimension and cause of death.
 Conclusion/ImplicationsThese data show clear mortality inequalities by socioeconomic position across the different time periods. These linked datasets can help advance knowledge in understanding health inequalities in Canada as well as provide a tool for on-going surveillance of health inequalities by different socioeconomic dimensions.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 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 ».