MétaCan
Menu
Retour à la cohorte
Enregistrement W3048768726 · doi:10.1101/2020.08.09.20171264

The Mean Unfulfilled Lifespan (MUL): A new indicator of the impact of mortality shocks on the individual lifespan, with application to global 2020 quarterly mortality from COVID-19

2020· preprint· en· W3048768726 sur OpenAlexaboutno aff
Patrick Heuveline

Notice bibliographique

RevuemedRxiv · 2020
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLife expectancyQuarter (Canadian coin)DemographyMortality ratePopulationGeographyCoronavirus disease 2019 (COVID-19)LongevityPeriod (music)GerontologyMedicineDiseaseSociology

Résumé

récupéré en direct d'OpenAlex

Declines in period life expectancy at birth (PLEB) provide intuitive indicators of the impact of a cause of death on the individual lifespan. Derived under the assumption that future mortality conditions will remain indefinitely those observed during a reference period, however, the intuitive interpretation of a PLEB becomes problematic when that period conditions reflect a temporary mortality "shock", resulting from a natural disaster or the diffusion of a new epidemic in the population for instance. Rather than to make assumptions about future mortality, I propose measuring the difference between a period average age at death and the average expected age at death of the same individuals (death cohort): the Mean Unfulfilled Lifespan (MUL). For fine-grained tracking of the mortality impact of an epidemic, I also provide an empirical shortcut to MUL estimation for small areas or short periods. For illustration, quarterly MUL values in 2020 are derived from estimates of COVID-19 deaths in 159 national populations and 122 sub-national populations in Italy, Mexico, Spain and the US. The highest quarterly values in national populations are obtained for Ecuador (5.12 years, second quarter) and Peru (4.56 years, third quarter) and, in sub-national populations, for New York (5.52 years), New Jersey (5.56 years, second quarter) and Baja California (5.19 years, fourth quarter). Using a seven-day rolling window, the empirical shortcut suggests the MUL peaked at 9.12 years in Madrid, 9.20 years in New York, and 9.15 years in Baja California, and in Guayas (Ecuador) it even reached 12.6 years for the entire month of April. Based on reported COVID-19 deaths that might substantially underestimate overall mortality change in affected populations, these results nonetheless illustrate how the MUL tracks the mortality impact of the pandemic, or any mortality shock, retaining the intuitive metric of differences in PLEB, without their problematic underlying assumptions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0040,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,094
Tête enseignante GPT0,449
Écart entre enseignants0,355 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetGlobal Health Care IssuesTravaux en français237 207