Neighborhood Poverty, Racial Composition and Renal Transplant Waitlist
Notice bibliographique
Résumé
To date, no study has characterized the association between neighborhood poverty, racial composition and deceased donor kidney waitlist. Using the United States Renal Data System data linked to 2000 U.S. Census Data, we examined Whites (n = 152 788) and Blacks (n = 130 300) initiating dialysis between January 2000 and December 2006. Subjects' neighborhoods were divided into nine strata based on the percent of Black residents and percent poverty. Cox proportional hazards were used to determine the association between time to waitlist and neighborhood characteristics after adjusting for demographics and comorbid conditions. Individuals from poorer neighborhoods had a consistently lower likelihood of being waitlisted. This association was synergistic with neighborhood racial composition for Blacks, but not for Whites. Blacks in poor, predominantly Black neighborhoods (adjusted hazard ratio [HR] 0.57, 95% confidence intervals [CI] 0.53-0.62) were less likely to appear on transplant waitlist than those in wealthy, predominantly Black neighborhoods (HR 0.80, CI 0.67-0.96) and poor, predominantly White neighborhoods (HR 0.79, CI 0.70-0.89). All were all less likely to be waitlisted than their Black counterparts in wealthy, predominantly White or mixed neighborhoods (p < 0.05). Interventions targeted at individuals in poor and minority neighborhoods may represent an opportunity to improve equitable access to the deceased donor kidney waitlist.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».