Sociodemographic Links With Mortality and Survival in the Mexican Older Adult Population: Impact of Survey Attrition in the Mexican Health and Aging Study 2001-2015
Notice bibliographique
Résumé
Abstract Most studies on old age mortality and survival focus on high-income countries, leaving limited knowledge about these trajectories in low- and middle-income countries. We use the longest-run longitudinal study of aging in Latin America, the Mexican Health and Aging Study (MHAS), to assess mortality and survival in the Mexican older adult population. We examine the likely impact of survey attrition and missing date of death on estimates of age-specific death rates, life expectancy, and the link between sociodemographic characteristics and mortality risk among Mexican older adults. Results show attrition of less than 6% of the baseline sample in MHAS from 2001 to 2015. Being lost to follow-up (LFU) is associated with age, education, and place of residence. Age-specific death rates and life expectancy estimates in MHAS align with vital statistics suggesting minimal impact of survey attrition in these estimates at older ages. However, ignoring sample attrition produces statistically significant educational gradients in mortality among males (but not among females), but imputing attrition and/or death date deaths reverses this pattern. Thus, we recommend imputing vital status by, for example, assuming attrited respondents survived to the midpoint of their LFU interval and assessing mortality determinants, including imputed cases. We also found sizeable sex differences in life expectancy at age 50 favoring women with larger sex differences in more populous places. We conclude that MHAS reliably supports the study of older age mortality and survival in Mexico, offering a unique chance to enhance knowledge in a middle-income country in the Americas.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».