MétaCan
Menu
Retour à la cohorte
Enregistrement W2023896604 · doi:10.1002/art.10538

Racial differences in social network experience and perceptions of benefit of arthritis treatments among New York City Medicare beneficiaries with self‐reported hip and knee pain

2002· article· en· W2023896604 sur OpenAlexaff
Valerie A. Blake, John P. Allegrante, Laura Pope Robbins, Carol A. Mancuso, Margaret G. E. Peterson, John M. Esdaile, Stephen A. Paget, Mary E. Charlson

Notice bibliographique

RevueArthritis Care & Research · 2002
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensArthritis Research Centre of CanadaUniversity of British Columbia
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin Diseases
Mots-clésMedicinePhysical therapyKnee painHip painKnee arthritisTelephone surveyPopulationHip surgeryOsteoarthritisArthritisAlternative medicineSurgeryArthroplastyInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To determine whether social network experience and perceptions of benefit of arthritis treatments influence the decision to seek diagnosis and treatment. METHODS: A population-based telephone survey of 515 black and 455 white Medicare beneficiaries was conducted. Validated questionnaires adapted for use in a telephone interview were used to identify people with self-reported symptoms of hip or knee pain. Treatment history for arthritis-related pain and perceptions of benefit of treatment were also assessed. RESULTS: Forty-two percent of blacks and 31% of whites reported hip or knee pain. Forty-two percent of blacks and 65% of whites reported knowing someone who had surgery for hip or knee pain (P < 0.0001). Blacks were less likely than whites to report that surgery had helped someone they knew with hip or knee pain (not significant). CONCLUSION: Blacks know fewer people who have had surgical treatment of hip and knee pain than whites and appear to be less likely to perceive that such treatment is beneficial.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,271
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,090
Tête enseignante GPT0,416
Écart entre enseignants0,327 · 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 tête enseignante, pas un consensus.

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

Citations39
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArthritis Care & ResearchMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207