MétaCan
Menu
Retour à la cohorte
Enregistrement W1768317251

Assessing gender bias in acute medical care in Canada

2010· dissertation· en· W1768317251 sur OpenAlexaboutno aff
Emily L. Eaton

Notice bibliographique

RevueMemorial University Research Repository (Memorial University) · 2010
Typedissertation
Langueen
DomaineMedicine
ThématiqueSex and Gender in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineRevascularizationMyocardial infarctionKidney diseaseDialysisMedical recordDemographicsPercutaneous coronary interventionRetrospective cohort studyEmergency medicineAcute coronary syndromeCoronary artery diseaseInternal medicineDemography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background: Gender bias has been explored extensively in the treatment of cardiovascular disease (CVD), particularly acute myocardial infarction (AMI). Previous research is inconsistent in suggesting that women who suffer an AMI are treated less optimally than men. To date, gender bias has not been well addressed in other CVDs, specifically cerebrovascular accident (CVA), coronary revascularization, or chronic kidney disease (CKD). In an attempt to get a clearer grasp of the problem, community acquired pneumonia (CAP) was also studied and served as a non-vascular disease control. -- Methods: Using trained research nurses, retrospective chart reviews were completed for all patients admitted with AMI, CVA, for coronary revascularization, or CAP in 1995/6, 1998/9, and 2000/1 in two locations of Newfoundland (St. John's and Central Newfoundland). CKD care was analyzed using data from the STARRT (Study To Assess Renal Replacement Therapy) study, a Canadian multicentre retrospective chart review of incident dialysis patients followed for six months. All results were divided into three categories - access, intervention, and outcome - and, after controlling for baseline demographics, were explored for differences in care between men and women. -- Results: Women were often older than men and suffered from more co-morbidities and more severe medical histories, except for CAP where men were more likely to have co-morbid illnesses. Women who had suffered an AMI had a significantly longer time to thrombolytics (70 vs. 45 mins., p=0.02) and were less likely to be admitted to the CCU (84% vs. 91%, p=0.02). Women with severe CAD were more likely to receive medical management (42% vs. 28%, p=0.005) and, of the women who did receive CABG, had longer wait times in one priority for CABG group (8.0 vs. 6.0 days, p=0.05). Women began dialysis with a lower eGFR level (8.6 vs. 10.1 mL/mins., p=0.006) after receiving less pre-dialysis care than men (>1 mth. vs. <1 mth.) (80% vs. 88%, p=0.05). There was no evidence of a gender bias against women in CVA patients, in fact women were more likely to be seen by a social worker than men (43% vs. 34%, p=0.01). Of the patients receiving treatment for CAP, women were less likely than men to receive the appropriate antibiotics (AB) when considering the 1993 guidelines for AB treatment (70% vs. 78%, p=0.03). While women received less optimal access and interventions, the proportion of death between men and women for all CVDs analyzed were similar. -- Conclusions: Women are not treated with the same quality of care as men with regards to access and intervention for AMI's, coronary revascularization, and CKD. This bias was also found in a nonvascular control group. A potential gender bias in the treatment of these patients needs to be explored further.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,418

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,008
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,355
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMemorial University Research Repository (Memorial University)Même sujetSex and Gender in HealthcareTravaux en français237 207