Patient-provider Sex and Race/Ethnicity Concordance
Notice bibliographique
Résumé
BACKGROUND: Increasing patient-provider sex and race/ethnicity concordance has been proposed to improve healthcare and help mitigate health disparities, but the relationship between concordance and health outcomes remains unclear. OBJECTIVE: To examine associations of patient-provider sex, race/ethnicity, and dual concordance with healthcare measures. RESEARCH DESIGN AND PARTICIPANTS: Analyses of data from adult respondents indicating a usual source of healthcare (N=22,440) in the 2002 to 2007 Medical Expenditure Panel Surveys (each a 2-year panel). MEASURES: Year 1 provider communication, sex-neutral (colorectal cancer screening, influenza vaccination) and sex-specific (mammography, Papanicolaou smear, prostate-specific antigen) prevention; and year 2 health status (SF-12). Analyses adjusted for patient sociodemographics and health variables, and healthcare provider (usual source of care) sex and race/ethnicity. RESULTS: Of 24 concordance assessments, 3 were statistically significant. Women with female providers were more likely to report mammography adherence [average adjusted marginal effect=3.9%, 95% confidence interval (CI): 1.6%, 6.2%; P<0.01]. Respondents reporting dual concordance were less likely to rate provider communication in the highest quartile (average adjusted marginal effect =-4.2%, 95% CI: -8.1%, -0.2%; P=0.04), but dual concordance was associated with higher adjusted SF-12 Physical Component Summary scores (0.58 points, 95% CI: 0.00, 1.15; P=0.05). CONCLUSIONS: Little evidence of clinical benefit resulting from sex or race/ethnicity concordance was found. Greater matching of patients and providers by sex and race/ethnicity is unlikely to mitigate health disparities.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».