MétaCan
Menu
Retour à la cohorte
Enregistrement W4323543208 · doi:10.1016/j.dialog.2023.100122

A global comparative study of wealth-pain gradients: Investigating individual- and country-level associations

2023· article· en· W4323543208 sur OpenAlexafffund
Zachary Zimmer, Anna Zajacova, Kathryn Fraser, Daniel Powers, Hanna Grol-Prokopczyk

Notice bibliographique

RevueDialogues in Health · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensWestern University
Organismes subventionnairesNational Institute on AgingNational Institutes of HealthSocial Sciences and Humanities Research Council of CanadaCanada Research ChairsInstitut National de la Santé et de la Recherche Médicale
Mots-clésInequalityGini coefficientDemographic economicsPopulationEconomic inequalityMultilevel modelDeveloping countryEconomicsLogistic regressionDemographyMedicineEconomic growthSociologyStatistics

Résumé

récupéré en direct d'OpenAlex

Pain is a significant yet underappreciated dimension of population health. Its associations with individual- and country-level wealth are not well characterized using global data. We estimate both individual- and country-level wealth inequalities in pain in 51 countries by combining data from the World Health Organization's World Health Survey with country-level contextual data. Our research concentrates on three questions: 1) Are inequalities in pain by individual-level wealth observed in countries worldwide? 2) Does country-level wealth also relate to pain prevalence? 3) Can variations in pain reporting also be explained by country-level contextual factors, such as income inequality? Analytical steps include logistic regressions conducted for separate countries, and multilevel models with random wealth slopes and resultant predicted probabilities using a dataset that pools information across countries. Findings show individual-level wealth negatively predicts pain almost universally, but the association strength differs across countries. Country-level contextual factors do not explain away these associations. Pain is generally less prevalent in wealthier countries, but the exact nature of the association between country-level wealth and pain depends on the moderating influence of country-level income inequality, measured by the Gini index. The lower the income inequality, the more likely it is that poor countries experience the highest and rich countries the lowest prevalence of pain. In contrast, the higher the income inequality, the more nonlinear the association between country-level wealth and pain reporting such that the highest prevalence is seen in highly nonegalitarian middle-income countries. Our findings help to characterize the global distribution of pain and pain inequalities, and to identify national-level factors that shape pain inequalities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,234
Tête enseignante GPT0,397
Écart entre enseignants0,163 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDialogues in HealthMême sujetClimate Change and Health ImpactsTravaux en français237 207