Association Between Socioeconomic Inequalities in Pain and All-Cause Mortality in the China Health and Retirement Longitudinal Study: Longitudinal Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Few studies focus on the equality of pain, and the relationship between pain and death is inconclusive. Investigating the distribution of pain and potential mortality risks is crucial for ameliorating painful conditions and devising targeted intervention measures. OBJECTIVE: Our study aimed to investigate the association between inequalities in pain and all-cause mortality in China. METHODS: Longitudinal cohort data from waves 1 and 2 of the China Health and Retirement Longitudinal Study (2011-2013) were used in this study. Pain was self-reported at baseline, and death information was obtained from the 2013 follow-up survey. The concentration index and its decomposition were used to explain the inequality of pain, and the association between pain and death was analyzed with a Cox proportional risk model. RESULTS: A total of 16,747 participants were included, with an average age of 59.57 (SD 9.82) years. The prevalence of pain was 32.54% (8196/16,747). Among participants with pain, the main pain type was moderate pain (1973/5426, 36.36%), and the common pain locations were the waist (3232/16,747, 19.3%), legs (2476/16,747, 14.78%) and head (2250/16,747, 13.44%). We found that the prevalence of pain was concentrated in participants with low economic status (concentration index -0.066, 95% CI -0.078 to -0.054). Educational level (36.49%), location (36.87%), and economic status (25.05%) contributed significantly to the inequality of pain. In addition, Cox regression showed that pain was associated with an increased risk of all-cause mortality (hazard ratio 1.30, 95% CI 1.06-1.61). CONCLUSIONS: The prevalence of pain in Chinese adults is concentrated among participants with low economic status, and pain increases the risk of all-cause death. Our results highlight the importance of socioeconomic factors in reducing deaths due to pain inequalities by implementing targeted interventions.
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 | 0,002 | 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 | 0,001 | 0,000 |
| 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) | 0,001 | 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 ».