Educational Differences in Life Expectancies With and Without Pain
Notice bibliographique
Résumé
OBJECTIVES: This study computes years and proportion of life that older adults living in the United States can expect to live pain-free and in different pain states, by age, sex, and level of education. The analysis addresses challenges related to dynamics and mortality selection when studying associations between education and pain in older populations. METHODS: Data are from National Health and Aging Trends Study, 2011-2020. The sample contains 10,180 respondents who are age 65 and older. Pain expectancy estimates are computed using the Interpolated Markov Chain software that applies probability transitions to multistate life tables. RESULTS: Those with higher educational levels expect not only a longer life but also a higher proportion of life without pain. For example, a 65-year-old female with less than high school education expects 18.1 years in total and 5.8 years, or 32% of life, without pain compared with 23.7 years in total with 10.7 years, or 45% of life without pain if she completed college. The education gradient in pain expectancies is more salient for females than males and narrows at the oldest ages. There is no educational disparity in the percent of life with nonlimiting pain. DISCUSSION: Education promotes longer life and more pain-free years, but the specific degree of improvement by education varies across demographic groups. More research is needed to explain associations between education and more and less severe and limiting aspects of pain.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».