Health disparities and determinants of health: A glance at Healthy People 2020 goals
Notice bibliographique
Résumé
Introduction: Adverse health outcomes are often used as indicators of the health of a nation and are generally better in developed countries. According to the World Health Organization, every day, about 800 women died due to complications of pregnancy and child birth. Almost all of these deaths occurred in low-resource settings, and most could have been prevented. Maternal mortality ratio in the United States in 2015 was 14 maternal deaths per 1000 live births, range, significantly higher than most developed countries including Sweden (4 per 1000 live births), Switzerland (4 per 1000 live births), Austria (4 per 1000 live births), Japan (5 per 1000 live births), Germany (6 per 1000 live births), Canada (7 per 1000 live births), France (8 per 1000 live births), United Kingdom (9 per 1000 live births). Methods: Health outcomes were collected from the Centers for Disease Control and Prevention while socio-economic related indicators were extracted from the US Census Bureau. Selected health outcomes in the study are: infant and fetal mortality, maternal mortality, life expectance and cancer. Socio-economic indicators such as poverty and health insurance coverage were also analyzed. An evaluation of health disparities among racial and ethnic groups was performed. Correlation analyses were conducted to explore the potential strength of the relationship between health outcomes and socioeconomic factors in the US at the state level. Conclusion: Health disparities are still a major public health problem in US. A strong correlation at the state level between health outcomes and poverty and health insurance coverage at the state level was identified.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».