MétaCan
Menu
Retour à la cohorte
Enregistrement W3091880487 · doi:10.1093/eurpub/ckaa165.1091

What can lifespan variation tell us about trends in life expectancy in high income countries?

2020· article· en· W3091880487 sur OpenAlexaboutno aff
Lucinda Hiam, Jon Minton, Martin McKee

Notice bibliographique

RevueEuropean Journal of Public Health · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLife expectancyDemographyPopulationGeographyDemographic economicsGerontologyPsychologyMedicineEconomicsSociology

Résumé

récupéré en direct d'OpenAlex

Abstract Building on the findings of presentations 1 and 2, we turn to two further measures of population health: life expectancy at birth and lifespan variation. Life expectancy at birth provides a single figure that captures the overall mortality experience of a nation, and, in the absence of data artefact, a wide-scale environmental event such as war or natural disaster, a disease epidemic or mass migration, life expectancy can be expected to continue to improve in HICs. Concurrently lifespan variation, which measures the average gap between the age at death of an individual and the remaining life expectancy at that age, should decrease as life expectancy increases. Recent analysis of life expectancy improvements in HICs by the Office for National Statistics, using Human Mortality Database data, found that while Japan continues to see improvements, the UK and the USA fell to the bottom of the rankings. Economically, both the UK and Japan have experienced 'lost decades' of poor economic growth, in 1990s and 2010s respectively. Yet, while Japan continued to see life expectancy improvements, in the UK life expectancy stalled, and both countries saw an increase in lifespan variation. In this presentation, we will present the analysis of lifespan variation of 5 HICs: the USA, where life expectancy has declined, the UK, where gains in life expectancy have trailed behind those in other industrialised countries, Japan, which has seen sustained progress, and France and Canada, neighbours of the UK and USA respectively, which lie in the middle. We will examine what can be determined from these measures over periods of poor economic growth, and the implications for achieving 'sustainable growth'.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,396
Écart entre enseignants0,310 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Public HealthMême sujetGlobal Health Care IssuesTravaux en français237 207