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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».