State-level association between income inequality and mortality in the USA, 1989–2019: ecological study
Notice bibliographique
Résumé
BACKGROUND: Prior studies have shown a positive relationship between income inequality and population-level mortality. This study investigates whether the relationship between US state-level income inequality and all-cause mortality persisted from 1989 to 2019 and whether changes in income inequality were correlated with changes in mortality rates. METHODS: We perform repeated cross-sectional regressions of mortality on state-level inequality measures (Gini coefficients) at 10-year intervals. We also estimate the correlation between within-state changes in income inequality and changes in mortality rates using two time-series models, one with state- and year-fixed effects and one with a lagged dependent variable. Our primary regressions control for median income and are weighted by population. MAIN OUTCOME MEASURES: The two primary outcomes are male and female age-adjusted mortality rates for the working-age (25-64) population in each state. The secondary outcome is all-age mortality. RESULTS: There is a strong positive correlation between Gini and mortality in 1989. A 0.01 increase in Gini is associated with more deaths: 9.6/100 000 (95% CI 5.7, 13.5, p<0.01) for working-age females and 29.1 (21.2, 36.9, p<0.01) for working-age males. This correlation disappears or reverses by 2019 when a 0.01 increase in Gini is associated with fewer deaths: -6.7 (-12.2, -1.2, p<0.05) for working-age females and -6.2 (-15.5, 3.1, p>0.1) for working-age males. The correlation between the change in Gini and change in mortality is also negative for all outcomes using either time-series method. These results are generally robust for a range of income inequality measures. CONCLUSION: The absence or reversal of correlation after 1989 and the presence of an inverse correlation between change in inequality and change in all-cause mortality represents a significant reversal from the findings of a number of other studies. It also raises questions about the conditions under which income inequality may be an important policy target for improving population 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».