Politicians, power, and the people's health: US elections and state health outcomes, 2012–2024
Notice bibliographique
Résumé
Our descriptive study examined current associations (2022-2024) between US state-level health outcomes and 4 US state-level political metrics: 2 rarely used in public health research (political ideology of elected representatives based on voting records; trifectas, where 1 party controls the executive and legislative branches) and 2 more commonly used (state policies enacted; voter political lean). The 8 health outcomes spanned the life course: infant mortality, premature mortality (death at age <65), health insurance (adults aged 35-64), vaccination for children and persons aged ≥65 (flu; COVID-19 booster), maternity care deserts, and food insecurity. For the first 3 outcomes, we also examined trends in associations (2012-2024). For all political metrics, higher state-level political conservatism was associated with worse health outcomes, especially for the metrics for political ideology and state trifectas. For example, in 2016, the premature mortality rate in states with Republican vs Democratic trifectas was higher by 55.4 deaths per 100 000 person-years (95% CI: 7.7, 103.1), and the slope of the rate of increase to 2021 was also higher, by 27.0 deaths per 100 000 person-years (95% CI: 24.4, 29.7). These results suggest elections, political ideology, and concentrations of political power matter for 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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 0,001 |
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 ».