Divergence in age-patterns of mortality change drives international\n divergence in lifespan inequality
Notice bibliographique
Résumé
In the past six decades, lifespan inequality has varied greatly within and\namong countries even while life expectancy has continued to increase. How and\nwhy does mortality change generate this diversity? We derive a precise link\nbetween changes in age-specific mortality and lifespan inequality, measured as\nthe variance of age at death. Key to this relationship is a young-old threshold\nage, below and above which mortality decline respectively decreases and\nincreases lifespan inequality. First, we show that shifts in the threshold's\nlocation modified the correlation between changes in life expectancy and\nlifespan inequality over the last two centuries. Second, we analyze the post\nSecond World War trajectories of lifespan inequality in a set of developed\ncountries, Japan, Canada and the United States (US), where thresholds centered\non retirement age. Our method reveals how divergence in the age-pattern of\nmortality change drives international divergence in lifespan inequality. Most\nstrikingly, early in the 1980s, mortality increases in young US males led\nlifespan inequality to remain high in the US, while in Canada the decline of\ninequality continued. In general, our wider international comparisons show that\nmortality change varied most at young working ages after the Second World War,\nparticularly for males. We conclude that if mortality continues to stagnate at\nyoung ages, yet declines steadily at old ages, increases in lifespan inequality\nwill become a common feature of future demographic change.\n
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,001 | 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 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 ».