Causes of Death Among Health Care Professionals in the United States
Notice bibliographique
Résumé
Specific causes of mortality among various types of health care professionals (HCPs), including those characterized by age, gender, and race, have not been well described. The National Occupational Mortality Surveillance data for deaths in 26 US states in 1999, 2003-2004, and 2007-2014 were queried to address this question. Proportionate mortality ratios (PMRs) were calculated to compare specific causes of mortality among HCPs compared with those among the general population. HCPs were less likely to die from heart disease (PMR 93, 95% confidence intervals [CI] 92-94), alcoholism (PMR 62, 95% CI 57-68), drugs (PMR 80, 95% CI 70-90), and more likely to die from cerebrovascular disease (PMR 105, 95% CI 104-107) and diabetes (PMR 107, 95% CI 105-109). HCPs aged 18-64 years were more likely to die by suicide (PMR 104, 95% CI 101-107), whereas those aged 65-90 years were less likely to die by suicide (PMR 84, 95% CI 77-91), with physicians (PMR 251, 95% CI 229-275) and other HCPs having high PMR for suicide. Among all HCPs, suicide PMR was similarly increased, whereas heart disease PMRs are similarly decreased among Black compared with those among White HCPs and those among male compared with those among female HCPs. HCPs as a group and specific types of HCPs demonstrate causes of mortality that differ in important ways from the general population. Race and gender-based trends in PMRs for key causes of mortality among HCPs suggest that employment in a health care field may not alter race and gender disparities noted among the general population.
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 | 0,003 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».