Geographic disparity in premature mortality in Ontorio, 1992-1996
Notice bibliographique
Résumé
BACKGROUND: Standardized mortality ratios are used to identify geographic areas with higher or lower mortality than expected. This article examines geographic disparity in premature mortality in Ontario, Canada, at three geographic levels of population and considers factors that may underlie variations in premature mortality across geographic areas. All-cause, sex and disease chapter specific premature mortality were analyzed at the regional, district and public health unit level to determine the extent of geographic variation. Standardized mortality ratios for persons aged 0-74 years were calculated to identify geographic areas with significantly higher or lower premature mortality than expected, using Ontario death rates as the basis for the calculation of expected deaths in the local population. Data are also presented from the household component of the 1996/97 National Population Health Survey and from the 1996 Statistics Canada Census. RESULTS: Results showed approximately 20% higher than expected all-cause premature mortality for males and females in the North region. However, disparity in all-cause premature mortality in Ontario was most pronounced at the public health unit level, ranging from 20% lower than expected to 30% higher than expected. Premature mortality disparities were largely influenced by neoplasms, circulatory diseases, injuries and poisoning, respiratory diseases and digestive diseases, which accounted for more than 80% of all premature deaths. Premature mortality disparities were also more pronounced for disease chapter specific mortality. CONCLUSION: Geographic disparities in premature mortality are clearly greater at the small area level. Geographic disparities in premature mortality undoubtedly reflect the underlying distribution of population health determinants such as health related behaviours, social, economic and environmental influences.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».