Income inequality and life expectancy in Canada: New evidence from province-level panel regression, 1996–2019
Notice bibliographique
Résumé
OBJECTIVES: Previous research on the association between income inequality and population health measures has yielded mixed results. This reflects, in part, the level of income inequality and surrounding political economic context of the setting in question. Previous research in Canada has not consistently identified an association between income inequality and population health measures. Those studies, however, largely focused on time periods prior to the manifestations of neoliberal policy reforms, which led to high levels of income inequality characterized by rising income at the top of the distribution. Our objective was to investigate the population-level association between income inequality and life expectancy in Canada during the years 1996-2019, a period of high after-tax income inequality in Canada. METHODS: We used ordinary least squares panel multivariate regression analysis of publicly available aggregate data on after-tax income inequality and life expectancy for the 10 Canadian provinces during the period 1996-2019. We used an inequality variable that is sensitive to the disproportionate growth in income at the top of the income distribution (share of income held by top 5%); we took into account the proportion of the First Nations, Métis, and Inuit populations across provinces and over time; and we separately analyzed female, male, and total populations. RESULTS: We found a robust, negative and statistically significant association where higher population-level after-tax income inequality was associated with lower average life expectancy in Canada. CONCLUSION: Our findings speak to the far-reaching consequences of neoliberalism, and to the need for public policy that will reduce income inequality in the interest of the public's 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 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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».