Intergenerational education and premature mortality: a registry population-based study
Notice bibliographique
Résumé
Abstract Inequalities in premature mortality due to individual's attained education are well documented. Intergenerational educational trajectories, whereby both parental and individual education may affect mortality, have received less attention. Our aim was to assess the effect of intergenerational educational trajectories on sex- and cause-specific risks of chronic disease-related premature mortality in Switzerland. Data were from 695,972 individuals born between 1971 and 1980, who were followed from adolescence (10-19y) to mid-life (38-47y) in the Swiss National Cohort, a registry population-based study. Educational trajectories were categorized into four levels: High-High, High-Low, Low-High, Low-Low, which corresponded to the sequence of parental-individual attained education (exposure). Cause of death categories were cardiovascular disease (CVD), cancer, substance use and all other chronic diseases (outcome). We implemented a counterfactual-based framework to quantify inequalities and ran negative outcome controls to triangulate findings. Overall, inequalities were negligible for women and substantial for men, particularly in CVD and substance use deaths. Specifically, inequalities in CVD were negligible by age 30, while by age 45 inequalities due to a High-Low or Low-Low trajectory corresponded to 229 (95% confidence interval (CI): 99, 381) additional CVD deaths per 100,000 persons compared to a High-High trajectory. Inequalities in substance use deaths due to a High-Low trajectory corresponded to 106 (95% CI: 47, 208) additional deaths per 100,000 persons compared to a High-High trajectory by age 30, and increased afterwards. We identified sex- and cause-specific groups at high-risk of premature mortality, and life periods when inequalities due to both parental and individual education arise. Prioritization of prevention strategies in those life periods and groups may help reduce educational inequalities in chronic disease-related premature mortality.
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 | 0,003 | 0,005 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».