Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
CRIS Current Research Information System
Educational attainment is an important social determinant of maternal, newborn, and child health1–3. As a tool for promoting gender equity, it has gained increasing traction in popular media, international aid strategies, and global agenda-setting4–6. The global health agenda is increasingly focused on evidence of precision public health, which illustrates the subnational distribution of disease and illness7,8; however, an agenda focused on future equity must integrate comparable evidence on the distribution of social determinants of health9–11. Here we expand on the available precision SDG evidence by estimating the subnational distribution of educational attainment, including the proportions of individuals who have completed key levels of schooling, across all low- and middle-income countries from 2000 to 2017. Previous analyses have focused on geographical disparities in average attainment across Africa or for specific countries, but—to our knowledge—no analysis has examined the subnational proportions of individuals who completed specific levels of education across all low- and middle-income countries12–14. By geolocating subnational data for more than 184 million person-years across 528 data sources, we precisely identify inequalities across geography as well as within populations.
Graetz N., Woyczynski L., Wilson K.F., Hall J.B., Abate K.H., Abd-Allah F., et al. (2020). Mapping disparities in education across low- and middle-income countries. NATURE, 577(7789), 235-238 [10.1038/s41586-019-1872-1].
Mapping disparities in education across low- and middle-income countries
Graetz N.;Woyczynski L.;Wilson K. F.;Hall J. B.;Abate K. H.;Abd-Allah F.;Adebayo O. M.;Adekanmbi V.;Afshari M.;Ajumobi O.;Akinyemiju T.;Alahdab F.;Al-Aly Z.;Rabanal J. E. A.;Alijanzadeh M.;Alipour V.;Altirkawi K.;Amiresmaili M.;Anber N. H.;Andrei C. L.;Anjomshoa M.;Antonio C. A. T.;Arabloo J.;Aremu O.;Aryal K. K.;Asadi-Aliabadi M.;Atique S.;Ausloos M.;Awasthi A.;Quintanilla B. P. A.;Azari S.;Badawi A.;Banoub J. A. M.;Barker-Collo S. L.;Barnett A.;Bedi N.;Bennett D. A.;Bhattacharjee N. V.;Bhattacharyya K.;Bhattarai S.;Bhutta Z. A.;Bijani A.;Bikbov B.;Britton G.;Burstein R.;Butt Z. A.;Cardenas R.;Carvalho F.;Castaneda-Orjuela C. A.;Castro F.;Cerin E.;Chang J. -C.;Collison M. L.;Cooper C.;Cork M. A.;Daoud F.;Das Gupta R.;Weaver N. D.;De Neve J. -W.;Deribe K.;Desalegn B. B.;Deshpande A.;Desta M.;Dhimal M.;Diaz D.;Dinberu M. T.;Djalalinia S.;Dubey M.;Dubljanin E.;Duraes A. R.;Dwyer-Lindgren L.;Earl L.;Kalan M. E.;El-Khatib Z.;Eshrati B.;Faramarzi M.;Fareed M.;Faro A.;Fereshtehnejad S. -M.;Fernandes E.;Filip I.;Fischer F.;Fukumoto T.;Garcia J. A.;Gill P. S.;Gill T. K.;Gona P. N.;Gopalani S. V.;Grada A.;Guo Y.;Gupta R.;Gupta V.;Haj-Mirzaian A.;Haj-Mirzaian A.;Hamadeh R. R.;Hamidi S.;Hasan M.;Hassen H. Y.;Hendrie D.;Henok A.;Henry N. J.;Prado B. H.;Herteliu C.;Hole M. K.;Hossain N.;Hosseinzadeh M.;Hu G.;Ilesanmi O. S.;Irvani S. S. N.;Islam S. M. S.;Izadi N.;Jakovljevic M.;Jha R. P.;Ji J. S.;Jonas J. B.;Shushtari Z. J.;Jozwiak J. J.;Kanchan T.;Kasaeian A.;Karyani A. K.;Keiyoro P. N.;Kesavachandran C. N.;Khader Y. S.;Khafaie M. A.;Khan E. A.;Khater M. M.;Kiadaliri A. A.;Kiirithio D. N.;Kim Y. J.;Kimokoti R. W.;Kinyoki D. K.;Kisa A.;Kosen S.;Koyanagi A.;Krishan K.;Defo B. K.;Kumar M.;Kumar P.;Lami F. H.;Lee P. H.;Levine A. J.;Li S.;Liao Y.;Lim L. -L.;Listl S.;Lopez J. C. F.;Majdan M.;Majdzadeh R.;Majeed A.;Malekzadeh R.;Mansournia M. A.;Martins-Melo F. R.;Masaka A.;Massenburg B. B.;Mayala B. K.;Mehta K. M.;Mendoza W.;Mensah G. A.;Meretoja T. J.;Mestrovic T.;Miller T. R.;Mini G. K.;Mirrakhimov E. M.;Moazen B.;Mohammad D. K.;Darwesh A. M.;Mohammed S.;Mohebi F.;Mokdad A. H.;Monasta L.;Moodley Y.;Moosazadeh M.;Moradi G.;Moradi-Lakeh M.;Moraga P.;Morawska L.;Morrison S. D.;Mosser J. F.;Mousavi S. M.;Murray C. J. L.;Mustafa G.;Nahvijou A.;Najafi F.;Nangia V.;Ndwandwe D. E.;Negoi I.;Negoi R. I.;Ngunjiri J. W.;Nguyen C. T.;Nguyen L. H.;Ningrum D. N. A.;Noubiap J. J.;Shiadeh M. N.;Nyasulu P. S.;Ogbo F. A.;Olagunju A. T.;Olusanya B. O.;Olusanya J. O.;Onwujekwe O. E.;Ortega-Altamirano D. D. V.;Ortiz-Panozo E.;Overland S.;Mahesh P. A.;Pana A.;Panda-Jonas S.;Pati S.;Patton G. C.;Perico N.;Pigott D. M.;Pirsaheb M.;Postma M. J.;Pourshams A.;Prakash S.;Puri P.;Qorbani M.;Radfar A.;Rahim F.;Rahimi-Movaghar V.;Rahman M. H. U.;Rajati F.;Ranabhat C. L.;Rawaf D. L.;Rawaf S.;Reiner R. C.;Remuzzi G.;Renzaho A. M. N.;Rezaei S.;Rezapour A.;Rios-Gonzalez C.;Roever L.;Ronfani L.;Roshandel G.;Rostami A.;Rubagotti E.;Sadat N.;Sadeghi E.;Safari Y.;Sagar R.;Salam N.;Salamati P.;Salimi Y.;Salimzadeh H.;Samy A. M.;Sanabria J.;Santric Milicevic M. M.;Sartorius B.;Sathian B.;Sawant A. R.;Schaeffer L. E.;Schipp M. F.;Schwebel D. C.;Senbeta A. M.;Sepanlou S. G.;Shaikh M. A.;Shams-Beyranvand M.;Shamsizadeh M.;Sharafi K.;Sharma R.;She J.;Sheikh A.;Shigematsu M.;Siabani S.;Silveira D. G. A.;Singh J. A.;Sinha D. N.;Skirbekk V.;Sligar A.;Sobaih B. H.;Soofi M.;Soriano J. B.;Soyiri I. N.;Sreeramareddy C. T.;Sudaryanto A.;Babale Sufiyan M.;Sutradhar I.;Sylaja P.;Tabares-Seisdedos R.;Tadesse B. T.;Temsah M. -H.;Terkawi A. S.;Tessema B.;Tessema Z. T.;Thankappan K. R.;Topor-Madry R.;Tovani-Palone M. R.;Tran B. X.;Car L. T.;Ullah I.;Uthman O. A.;Valdez P. R.;Veisani Y.;Violante F. S.;Vlassov V.;Vollmer S.;Thu Vu G.;Waheed Y.;Wang Y. -P.;Wilkinson J. C.;Winkler A. S.;Wolfe C. D. A.;Yamada T.;Yeshaneh A.;Yip P.;Yisma E.;Yonemoto N.;Younis M. Z.;Yousefifard M.;Yu C.;Bin Zaman S.;Zhang J.;Zhang Y.;Zodpey S.;Gakidou E.;Hay S. I.
2020
Abstract
Educational attainment is an important social determinant of maternal, newborn, and child health1–3. As a tool for promoting gender equity, it has gained increasing traction in popular media, international aid strategies, and global agenda-setting4–6. The global health agenda is increasingly focused on evidence of precision public health, which illustrates the subnational distribution of disease and illness7,8; however, an agenda focused on future equity must integrate comparable evidence on the distribution of social determinants of health9–11. Here we expand on the available precision SDG evidence by estimating the subnational distribution of educational attainment, including the proportions of individuals who have completed key levels of schooling, across all low- and middle-income countries from 2000 to 2017. Previous analyses have focused on geographical disparities in average attainment across Africa or for specific countries, but—to our knowledge—no analysis has examined the subnational proportions of individuals who completed specific levels of education across all low- and middle-income countries12–14. By geolocating subnational data for more than 184 million person-years across 528 data sources, we precisely identify inequalities across geography as well as within populations.
Graetz N., Woyczynski L., Wilson K.F., Hall J.B., Abate K.H., Abd-Allah F., et al. (2020). Mapping disparities in education across low- and middle-income countries. NATURE, 577(7789), 235-238 [10.1038/s41586-019-1872-1].
Graetz N.; Woyczynski L.; Wilson K.F.; Hall J.B.; Abate K.H.; Abd-Allah F.; Adebayo O.M.; Adekanmbi V.; Afshari M.; Ajumobi O.; Akinyemiju T.; Alahdab...espandi
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11585/729946
Citazioni
14
83
134
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.
