MétaCan
Menu
Retour à la cohorte
Enregistrement W4403825428 · doi:10.1093/eurpub/ckae144.628

Future patterns of health inequalities in the population of England to 2040: a microsimulation study

2024· article· en· W4403825428 sur OpenAlexaff
A. Raymond, Toby Watt, Hannah-Rose Douglas, Laurie Rachet-Jacquet, Anna Head, Chris Kypridemos

Notice bibliographique

RevueEuropean Journal of Public Health · 2024
Typearticle
Langueen
DomaineDecision Sciences
Thématiquedemographic modeling and climate adaptation
Établissements canadiensLondon Health Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésMicrosimulationInequalityHealth Survey for EnglandDemographyPopulationGeographyDemographic economicsEnvironmental healthEconomicsMedicineSociologyMathematicsTransport engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction The existence of wide inequalities in health across England is well-documented. Our research adds to this evidence on inequalities in self-reported health by describing current patterns and projecting future patterns of inequality in diagnosed illness across multiple conditions by deprivation. Methods We used the IMPACTNCD microsimulation model that simulates a close-to-reality synthetic population of adults in England from 2019 to 2040. This model combines individual-level data on demographics, health and mortality from linked administrative data for primary and secondary care with survey responses on individual-level risk factors and epidemiological evidence on the associations between risk factors and chronic illness. This model can be adapted for other countries based on data availability. We used the Cambridge Multimorbidity Score (CMS) as our multimorbidity measure. This assigns a weight to 20 common long-term conditions based on individuals’ healthcare use and their likelihood of death. We further focus on “major illness” which corresponds to a CMS greater than 1.5. Results In preliminary results, we project that health inequalities are not projected to improve between 2019 and 2040. In 2019, the difference in the average time spent without major illness between the most and least deprived 10% of areas in England was 10.4 years. This is projected to remain largely unchanged at 10.7 years (8.8, 11.7). We also find that in 2019, the share of working age people living with major illness in the most deprived 10% of areas in England (14.6%) was more than double the rate seen in the least deprived 10% of areas (6.3%). In 2040, we project these rates to remain largely unchanged at 15.2% (13.0%, 17.6%) and 6.8% (5.4%, 9.1%) respectively. Discussion On current trends, health inequalities are projected to persist into the future. This has significant implications not just for population health but for labour supply and wider economic growth. Key messages • If current trends in risk factors continue into the future, existing wide inequalities in diagnosed illness in England are projected to persist onto 2040. • With significant disparities in major illness among the working-age population, this has implications not just for population health but for labour supply and wider economic growth.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,215

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,280
Tête enseignante GPT0,437
Écart entre enseignants0,157 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Public HealthMême sujetdemographic modeling and climate adaptationTravaux en français237 207