Transnational wealth-related health inequality measurement
Notice bibliographique
Résumé
The study of international differences in wealth-related health inequalities has traditionally consisted of country-by-country comparisons using own-country relative measures of socioeconomic status, which effectively ignores absolute differences in both wealth and health that can differ between and within countries. To address these limitations, we propose an alternative approach: that of constructing a transnational measure of wealth-related health inequality. To illustrate the limitations of the country-by-country approach, we simulate the impact of changes in wealth and health inequalities both between and within countries on cross-country measures of health inequality and find at least five errors that may arise using country-by-country methods. We then empirically demonstrate the transnational approach to wealth-related health inequalities between and within Haiti and the Dominican Republic, the two constituent countries of the island of Hispaniola, using data from their respective Demographic and Health Surveys. Transnational socioeconomic rankings reveal a large and increasing divergence in wealth between the two countries, which would be ignored using the county-by-country approach. We find that wealth-related inequalities in long-term children's health outcomes are larger than inequalities in short-term health outcomes, and decompositions of the influence of place-based variables on these inequalities reveal country of residence to be the most important factor for long-term outcomes, while urban/rural residence and subnational regions are more important for short-term health outcomes. The significance of this novel methodological approach in relation to conventional health inequality research, including hidden dimensions of wealth-related health inequalities, for example the urbanized "middle class" distribution of HIV and a hidden unequal burden of wasting among children uncovered by the transnational approach are discussed, and errors in gauging changes in inequality over time using a country-by-country approach are highlighted. Using the transnational approach can help to measure important trends in wealth-related health inequalities across countries that more commonly used methods traditionally overlook.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».