Inequalities in changing mortality and life expectancy in Jiading District, Shanghai, 2002–2018
Notice bibliographique
Résumé
BACKGROUND: Improvements of population health in China have been unevenly distributed among different sexes and regions. Mortality Registration System provides an opportunity for timely assessments of mortality trend and inequalities. METHODS: Causes of death were reclassified following the method of Global Burden of Disease Study (GBD). Age-standardized mortality rate (ASMR) and ring-map of the rate by town were used to describe inequalities in changing mortality. Life expectancy (LE) and cause-deleted LE were calculated on the basis of life table technique. RESULTS: The burden of death from 2002 to 2018 was dominated by cardiovascular diseases (CVD), neoplasms, chronic respiratory diseases and injuries in Jiading district, accounting for almost 80% of total deaths. The overall ASMR dropped from 407.6/100000 to 227.1/100000, and LE increased from 77.86 years to 82.31 years. Women lived about 3.0-3.5 years longer than men. Besides, a cluster of lower LE was found for CVD in the southeast corner and one cluster for neoplasms in the southern corner of the district. The largest individual contributor to increment in LE was neoplasms, ranged from 2.41 to 3.63 years for males, and from 1.60 to 2.36 years for females. CONCLUSIONS: Improvement in health was mainly attributed to the decline of deaths caused by CVD and neoplasms, but was distributed with sex and town. This study served as a reflection of health inequality, is conducive to formulate localized health policies and measures.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».