Deaths of despair-associated mortality rates globally: a 2000–2019 sex-specific disparities analysis
Notice bibliographique
Résumé
OBJECTIVES: The aim of this study was to explore sex-specific disparities in rates of deaths of despair across 183 countries from 2000 to 2019. STUDY DESIGN: Secondary analysis of cross-sectional population-level data. METHODS: Data were obtained from the World Health Organization Health Inequality Data Repository. We analysed data on mortality due to alcohol, drug-use disorders, and self-harm (as a proxy for suicide). We calculated the average rate of deaths of despair by year and sex, trends in these rates, and cause-specific mortality trends. We then fitted mixed-effect generalised linear models to compare mortality rates by sex and country. RESULTS: Analyses revealed significant disparities by sex, with a 3.3-fold higher rate among men than among women globally (95% confidence interval: 3.1-3.5, P < 0.001). There was a significant decline in deaths of despair globally and among both sexes during the assessed period (5% per 5 years). Lesotho, Belarus, the US, the Russian Federation, Guyana, and Slovenia ranked among the top 10 countries out of 183 with the highest mortality rates for both sexes. Canada, the Republic of Korea, Belgium, and Finland were countries with the highest mortality rates among women, whereas Ukraine, Lithuania, Mongolia, and Eswatini have the highest rates among men. In the US, 5-year mortality rates increased by 35% for women and 21% for men: drug-use mortality showed a significant increase over time, whereas suicide rates decreased for both sexes in the given country. Additionally, mortality rates from alcohol use decreased among women. CONCLUSIONS: This global analysis shed light on health disparities by sex in deaths of despair, especially concerning trends in the US. It identified countries and groups in need of targeted mental health and substance-use programs. Moreover, the disparities by sex revealed in this analysis suggest that mental health and substance-use interventions and programs may need to be more attentive to sex and/or gender, such as inequitable social norms and restrictive forms of masculinities, which have been shown to be contributing factors to deaths of despair.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».