Exploring the potential for a new measure of socioeconomic deprivation status to monitor health inequality
Notice bibliographique
Résumé
BACKGROUND: Monitoring health inequalities is an important task for health research and policy, to uncover who is being left behind - and where - and to inform effective and equitable policies and programmes to tackle existing inequities. The choice of which measure to use to monitor and analyse health inequalities is thereby not trivial. This article explores a new measure of socioeconomic deprivation status (SDS) to monitor health inequalities. METHODS: The SDS measure was constructed using the Alkire-Foster method. It includes eight indicators across two equally weighted dimensions (education and living standards) and specifies a four-level gradient of socioeconomic deprivation at the household-level. We conducted four exercises to examine the value-added of the proposed SDS measure, using Demographic and Health Surveys data. First, we examined the discriminatory power of the new measure when applied to outcomes in four select reproductive, maternal, neonatal, and child health (RMNCH) indicators across six countries: skilled birth attendance, stunting, U5MR, and DTP3 immunisation. Then, we analysed the behaviour and association of the new SDS measure vis-à-vis the DHS Wealth Index, including chi-squared test and Pearson correlation coefficient. Third, we analysed the robustness of the SDS measure results to changes in its structure, using pairwise comparisons and Kendal Tau-b rank correlation. Finally, we illustrated some of the advantageous properties of the new measure, disaggregation and decomposition, on Haitian data. RESULTS: 1) Higher levels of socioeconomic deprivation are generally consistently associated with lower levels of achievements in the RMNCH indicators across countries. 2) 87% of all pairwise rank comparisons across a range of SDS measure structures were robust. 3) SDS and DHS Wealth Index are associated, but with considerable cross-country variation, highlighting their complementarity. 4) Haitian households in rural areas experienced, on average, more severe socioeconomic deprivation as well as lower levels of RMNCH achievement than urban households. CONCLUSIONS: The proposed SDS measure adds analytical possibilities to the health inequality monitoring literature, in line with ethically and conceptually well-founded notions of absolute, multidimensional disadvantage. In addition, it allows for breakdown by its dimensions and components, which may facilitate nuanced analyses of health inequality, its correlates, and determinants.
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 | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».