Trends in inequality in life expectancy at birth between 2004 and 2017 and projections for 2030 in Korea: multiyear cross-sectional differences by income from national health insurance data
Notice bibliographique
Résumé
OBJECTIVES: The current status, time trends and future projections of a national health equity target are crucial elements of national health equity surveillance. This study examined time trends in inequality by income in life expectancy (LE) at birth between 2004 and 2017 and made future projections for the year 2030 in Korea. DESIGN: Using individually linked mortality data, time trends in inequality by income in LE at birth were examined. The LE projection was made with the Lee-Carter model. SETTING: Total Korean population and death data derived from the National Health Information Database of the National Health Insurance Service. PARTICIPANTS: A total of 685 773 157 subjects and 3 486 893 deaths between 2004 and 2017 were analysed. PRIMARY AND SECONDARY OUTCOME MEASURES: Annual LE and the magnitude of inequality by income in LE between 2004 and 2030. RESULTS: Inequality by income in LE among the total Korean population increased during the past 14 years, and this inequality is projected to become even greater in the future. In 2030, the magnitude of inequality by income in LE is projected to increase by 0.25 years in comparison to the magnitude in 2017. The increase in LE inequality was projected to be more prominent among women, with a projected 1.08 year increase in LE inequality between 2017 and 2030. CONCLUSION: Aggressive policies should be developed to close the increasing LE gap in Korea. LE inequalities by income should be considered as a measurable target for health equity in the process of establishing the National Health Plan 2030 in Korea.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».