Educational Disparities in Adult Mortality Across U.S. States: How Do They Differ, and Have They Changed Since the Mid-1980s?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Adult mortality varies greatly by educational attainment. Explanations have focused on actions and choices made by individuals, neglecting contextual factors such as economic and policy environments. This study takes an important step toward explaining educational disparities in U.S. adult mortality and their growth since the mid-1980s by examining them across U.S. states. We analyzed data on adults aged 45-89 in the 1985-2011 National Health Interview Survey Linked Mortality File (721,448 adults; 225,592 deaths). We compared educational disparities in mortality in the early twenty-first century (1999-2011) with those of the late twentieth century (1985-1998) for 36 large-sample states, accounting for demographic covariates and birth state. We found that disparities vary considerably by state: in the early twenty-first century, the greater risk of death associated with lacking a high school credential, compared with having completed at least one year of college, ranged from 40 % in Arizona to 104 % in Maryland. The size of the disparities varies across states primarily because mortality associated with low education varies. Between the two periods, higher-educated adult mortality declined to similar levels across most states, but lower-educated adult mortality decreased, increased, or changed little, depending on the state. Consequently, educational disparities in mortality grew over time in many, but not all, states, with growth most common in the South and Midwest. The findings provide new insights into the troubling trends and disparities in U.S. adult 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.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle