Inequality in green space distribution and its association with preventable deaths across urban neighbourhoods in the UK, stratified by Index of Multiple Deprivation
Notice bibliographique
Résumé
BACKGROUND: This study investigated inequalities in the distribution of green space (GS) and the association between inequalities in amounts of GS and preventable deaths across urban neighbourhoods with different Index of Multiple Deprivation (IMD) scores in the UK. METHODS: Data on preventable deaths, IMD, percentage of grassland and woodland, urban/rural, population size, and density were sourced for each of 6791 middle-layer super output areas (MSOAs) in England, 410 MSOAs in Wales, 1279 intermediate zones (IZs) in Scotland, and 890 super output areas (SOAs) in Northern Ireland (NI). While appreciating the potential for ecological fallacy we related area-based measures of deprivation to deaths. Concentration curves, Lorenz dominance tests, and negative binomial regression models were used to analyse the data. RESULTS: In urban areas of England, Scotland, and NI, the percentage of grassland was significantly lower among the more deprived neighbourhoods (Lorenz test, p<0.0001). In England, a 1% increase in grassland area was associated with a 37% reduction in annual preventable deaths among the most deprived urban MSOAs (incidence rate ratio (IRR) 0.63, 95% CI 0.52 to 0.76). In NI and Scotland, a 1% increase in grassland area was associated with a 37% (IRR 0.63, 95% CI 0.43 to 0.91) and 41% (IRR 0.59, 95% CI 0.42 to 0.81) reduction in 5-year accumulated preventable deaths in the most deprived urban SOAs/IZs, respectively. CONCLUSIONS: Results suggest that investment in GS in urban areas may be an important public health prevention strategy. There is evidence that investments in the most deprived urban neighbourhoods where the highest inequality currently exists would see the largest effect on preventable deaths.
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| 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 ».