An investigation into the impact of deprivation on demographic inequalities in adults
Notice bibliographique
Résumé
Abstract This research investigates the impact of deprivation on demographic inequalities in England and Wales among adults. Using demographic measures including the modal age at death, life expectancy, lifespan variation and mortality, it shows a negative correlation with deprivation as measured by the 2015 Index of Multiple Deprivation. Although it finds that life expectancy is increasing overall and the gap between men and women is lessening, improvements are slower paced in more deprived areas such that the gap between rich and poor is slowly worsening over time. Men are more adversely impacted by deprivation than women with the gap in period life expectancy at age 30 in 2015 between the top and bottom 1% of deprived neighbourhoods at 10.9 years for men and 8.4 years for women. Between 2001 and 2015 inequalities in male mortality rates at age 44 were 4.4 times greater in the most deprived 10% of neighbourhoods than those in the 10% least deprived and were much higher than in intervening deciles. The worst deprivation is concentrated in specific areas. For example, in 22 out of 326 English districts, 25% or more of neighbourhoods are in the most deprived 10% and in 5 districts it is 40% or above.
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 | 0,002 | 0,002 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».