Faltering mortality improvements at young-middle ages in high-income English-speaking countries
Notice bibliographique
Résumé
BACKGROUND: Before the COVID-19 pandemic, stagnating life expectancy trends were reported in some high-income countries (HICs). Despite previous evidence from country-specific studies, there is a lack of comparative research that provides a broader perspective and challenges existing assumptions. This study aims to examine longevity trends and patterns in six English-speaking countries (Australia, Canada, Ireland, New Zealand, United Kingdom, United States) by combining period and cohort perspectives and to compare them with other HICs. METHODS: Using data from the Human Mortality and World Health Organization Mortality Databases, we estimated partial life expectancy, lifespan inequality and cohort survival differences for 1970-2021, as well as the contribution of causes of death to the gap in life expectancy between English-speaking countries and the average for other HICs in 2017-19. RESULTS: In the pre-pandemic period, the increase in life expectancy slowed in all English-speaking countries, except Ireland, mainly due to stagnating or rising mortality at young-middle ages. Relative to other HICs, those born in Anglophone countries since the 1970s experienced relative survival disadvantage, largely attributable to injuries (mainly suicides) and substance-related mortality (mainly poisonings). In contrast, older cohorts enjoyed advantages for females in Australia and Canada and for males in all English-speaking countries except the United States. CONCLUSIONS: Although future gains in life expectancy in wealthy societies will increasingly depend on reducing mortality at older ages, adverse health trends at younger ages are a cause for concern. This emerging and avoidable threat to health equity in English-speaking countries should be the focus of further research and policy action.
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 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 ».