Premature Mortality in Canada
Notice bibliographique
Résumé
Introduction: Premature mortality (deaths before age 75) is a well-established metric of population health and health system performance. In Canada, underlying differences between provinces/territories present a need for stratified mortality trends. Methods: Using data from the Canadian Vital Statistics Database, a descriptive analysis of sex-specific adult premature deaths over 1992-2015 was conducted by province, census divisions (CD), socioeconomic status (SES), age, and underlying cause of death. Premature mortality rates were calculated as the number of deaths per 100,000 individuals aged 18 to 74, per 8-year era. SES was measured using the income quintile of the neighbourhood of residence. Absolute and relative inequalities were respectively summarized using slope and relative indices of inequality, produced via unadjusted linear regression of the mortality rate on income rank. Results: Premature mortality in Canada declined by 21% for males and 13% for females between 1992-1999 and 2008-2015. The greatest reductions were in Central Canada, while Newfoundland saw notable increases. CD-level improvements appeared mostly in the southern half of Canada. As of 2008-2015, Newfoundland, Nova Scotia, and Nunavut had the highest mortality rates. Low area-level income was associated with higher mortality. SES inequalities grew over time. Newfoundland’s between-quintile differences rose from 1292 to 2389 deaths per 100k males, or 1.33 to 2.12-fold, and 586 to 1586 per 100k females, or 1.24 to 1.74-fold. In 2008-2015, mortality rates of the bottom quintile in Manitoba and Saskatchewan were more than 2.5 times those of the top. Mortality increased with age, and varied regionally. Low mortality in Central Canada and BC, and high mortality in the Territories were consistent across eras and sexes. Cause of death distributions shifted with age and sex, with more external deaths in younger males. Conclusion: Improvements were seen in adult premature mortality rates over time, but were unequal across geographies. Evidence exists for growing socioeconomic disparities in 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.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».