This study uses the 1918-1920 influenza pandemic in Japan with newly digitized and complete census records on births, infant deaths, and sex ratios during childhood to analyze mortality selection in utero and its persistency in the gender imbalance. I find that fetal exposure to pandemic influenza during the first trimester of the pregnancy period decreases the proportion of males at birth during this period. The mechanism suggests that the decline in male births owing to pandemic influenza has not led to the positive selection into births, but it has been associated with the deterioration of fetal and infant health. This result supports a wide range of previous literature on the long-run adverse effects of pandemic influenza, and it is consistent with a recent argument that the postnatal selection mechanism owing to the socioeconomic status of parents is negligible (Almond 2006; Beach et al. 2018). Analyses using population censuses provide evidence suggesting that postnatal influenza exposure has long-term impacts on the sex ratio of children aged 5-12, thereby implying potential disturbance effects on the future marriage and labor markets.


翻译:这项研究利用日本1918-19120年流感大流行,新近对新生儿、婴儿死亡和儿童期性别比率进行了数字化和完整的普查记录,分析了子宫死亡率选择及其在性别不平衡方面的持久性。我发现胎儿在怀孕期头三个月中感染大流行性流感会降低男性在这一时期的出生比例。该机制表明,大流行性流感造成的男性出生率下降并未导致生育选择的积极率,但与胎儿和婴儿健康恶化有关。这一结果支持了关于大流行性流感长期不利影响的以往大量文献,与最近关于父母社会经济地位造成的产后选择机制微不足道的论点是一致的(Almond, 2006年;Beach等人,2018年)。 利用人口普查进行的分析表明,产后流感感染对5-12岁儿童的性别比率产生长期影响,从而意味着对未来婚姻和劳动力市场的潜在干扰影响。

0
下载
关闭预览

相关内容

专知会员服务
32+阅读 · 2021年6月12日
专知会员服务
61+阅读 · 2020年3月19日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
60+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
LibRec 精选:近期15篇推荐系统论文
LibRec智能推荐
5+阅读 · 2019年3月5日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
已删除
将门创投
4+阅读 · 2018年12月10日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:连通知识图谱与推荐系统
LibRec智能推荐
3+阅读 · 2018年8月9日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2021年10月10日
VIP会员
相关VIP内容
专知会员服务
32+阅读 · 2021年6月12日
专知会员服务
61+阅读 · 2020年3月19日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
60+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
LibRec 精选:近期15篇推荐系统论文
LibRec智能推荐
5+阅读 · 2019年3月5日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
已删除
将门创投
4+阅读 · 2018年12月10日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:连通知识图谱与推荐系统
LibRec智能推荐
3+阅读 · 2018年8月9日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员