Cause-specific child and adolescent mortality in the UK and EU15+ countries
Notice bibliographique
Résumé
OBJECTIVE: To compare cause-specific UK mortality in children and young people (CYP) with EU15+ countries (European Union countries pre-2004, Australia, Canada and Norway). DESIGN: Mortality estimates were coded from the WHO World Mortality Database. Causes of death were mapped using the Global Burden of Disease mortality hierarchy to 22 cause groups. We compared UK mortality by cause, age group and sex with EU15+ countries in 2015 (or latest available) using Poisson regression models. We then ranked the UK compared with the EU15+ for each cause. SETTING: The UK and EU15+ countries. PARTICIPANTS: CYP aged 1-19. MAIN OUTCOME MEASURE: Mortality rate per 100 000 and number of deaths. RESULTS: UK mortality in 2015 was significantly higher than the EU15+ for common infections (both sexes aged 1-9, boys aged 10-14 and girls aged 15-19); chronic respiratory conditions (both sexes aged 5-14); and digestive, neurological and diabetes/urological/blood/endocrine conditions (girls aged 15-19). UK mortality was significantly lower for transport injuries (boys aged 15-19). The UK had the worst to third worst mortality rank for common infections in both sexes and all age groups, and in five out of eight non-communicable disease (NCD) causes in both sexes in at least one age group. UK mortality rank for injuries in 2015 was in the top half of countries for most causes. CONCLUSIONS: UK CYP mortality is higher than a group of comparable countries for common infections and multiple NCD causes. Excess UK CYP mortality may be amenable to health system strengthening.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».