The burden of premature adult mortality associated with lack of access to electricity in India
Notice bibliographique
Résumé
BACKGROUND: The impact of electricity access on all-cause premature mortality is unknown. METHODS: We use a national dataset from India to compare districts with high access to electricity (>90% of households) to districts with middle (50-90%) and low (<50%) access to electricity and estimate the effect of lack of electricity access on all-cause premature mortality. RESULTS: In 2014, out of 597 districts in India, 174 districts had high access, 228 had middle access, and 195 had low access to electricity. When compared to districts with high access, districts with low access had higher rates of age-standardized premature mortality in both women (2.09, 95% CI: 1.43-2.74) and men (0.99, 0.10-1.87). Similarly, these districts had higher rates of conditional probability of premature death in both women (9.16, 6.19-12.13) and men (4.04, 0.77-7.30). Middle access districts had higher rates of age-standardized premature mortality and premature death in women, but not men. The total excess deaths attributable to reduced electricity access were 444,225 (45,195 in middle access districts and 399,030 in low access districts). In low access districts, the proportion of premature adult deaths attributable to low electricity access was 21.3% (14.4%- 28.1%) in women and 7.9% (1.5%- 14.3%) in men. CONCLUSION: Poor access to electricity is associated with nearly half a million premature adult deaths. One out of five premature deaths in adult women were linked to low electricity access making it a major social determinant of health.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».