National income inequality and adolescent chronic pain: a time series analysis of 29 countries
Notice bibliographique
Résumé
ABSTRACT: Chronic pain is a major public health concern in adolescence. It is not evenly distributed across the population, with higher prevalence among adolescents from lower socioeconomic status (SES) backgrounds. Evidence suggests that countries with greater income inequality report worse adolescent health and wider socioeconomic health disparities. However, international research on the role of national income inequality in shaping adolescent chronic pain remains limited. In this study, we examined whether national income inequality was associated with adolescent chronic pain prevalence and chronic pain-related socioeconomic disparities, and whether changes in income inequality over time corresponded to changes in these outcomes. Data were drawn from adolescents across 29 Western countries/regions that participated in 5 waves (2002, 2006, 2010, 2014, and 2018) of the Health Behaviour in School-aged Children surveys (pooled n = 826,563). Chronic pain and SES data were aggregated to create a country-level slope index of inequality and then combined with country-level national income inequality data. Prais-Winsten time-series regression models with panel-corrected standard errors were conducted. Results showed that higher national income inequality was associated with a higher prevalence of chronic pain (B = 0.303; P < 0.001) and greater chronic pain-related socioeconomic disparities (B = 0.003; P < 0.001). In addition, changes in national income inequality over successive survey years were associated with changes in chronic pain-related socioeconomic disparities (B = 0.004; P = 0.014). The study findings highlight the need for policies addressing structural income inequality and for integrating socioeconomic factors, social support, and community resources into interventions and treatments to reduce chronic pain prevalence and eliminate related disparities, especially among adolescents from lower SES backgrounds.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».