Health-related quality of life variation by socioeconomic status: Evidence from an Iranian population-based study
Notice bibliographique
Résumé
BACKGROUND: Health-Related Quality of Life (HRQoL) values based on the accurate and reliable European Quality of Life Five Dimension (EQ-5D) questionnaire gives health-state utilities as a helpful data set for studying socio-demographic and socio-economic inequalities in health status in the general population. We aimed to do a population-based study to see how HRQoL varies by socio-demographics and socioeconomic status (SES). MATERIALS AND METHODS: The study was a cross-sectional population-based study in Shiraz, Iran's southwest. Data was gathered utilizing a personal digital assistant (PDA). A trained interviewer administered the EQ-5D questionnaire to a representative sample of 1036 inhabitants. Principal component analysis (PCA) was used to create SES indices. Because of the skewed distribution, quantile regression was utilized to model the quartiles of HRQoL values. STATA 12.0 was used to perform all statistical analyses. P <0.05 was considered statistically significant. RESULTS: In 1036 study respondents, women had a mean HRQoL of 0.67 ± 0.28, whereas men had a mean HRQoL of 0.78 ± 0.25. Gender and age remained significant in all quartiles of HRQoL value. Participants with insurance showed 0.14 and 0.08 higher HRQoL values in the first and second HRQoL quartiles than those without coverage, respectively. Education [95% CI: 0.034, 0.111)], economy [95% CI: 0.013, 0.077], and assets [95% CI: 0.003, 0.069] all had an impact on HRQoL value in the lowest quintile. CONCLUSION: In all quartiles of HRQoL value, women had lower reported HRQoL than men. Insurance programs aimed at more disadvantaged groups with poorer HRQoL may help to minimize inequity. Education, economics, and assets all had an impact on the lower quartiles of HRQoL value, emphasizing the importance of general policies in determining public health status.
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 | 0,032 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».