Estimating ethnic differences in self‐reported new use of antidepressant medications: results from the Multi‐Ethnic Study of Atherosclerosis
Notice bibliographique
Résumé
INTRODUCTION: There is evidence that the utilization of antidepressant medications (ADM) may vary between different ethnic groups in the United States population. METHODS: The Multi-Ethnic Study of Atherosclerosis (MESA) is a population-based prospective cohort study of 6814 US adults from 4 different ethnic groups. After excluding baseline users of ADM, we examined the relation between baseline depression and new use of ADM for 4 different ethnicities: African-Americans (n = 1822), Asians (n = 784) Caucasians (n = 2300), and Hispanics (n = 1405). Estimates of the association of ethnicity and ADM use were adjusted for age, study site, gender, Center for Epidemiologic Studies Depression Scale (CES-D), alcohol use, smoking, blood pressure, diabetes, education, and exercise. Non-random loss to follow-up was present and estimates were adjusted using inverse probability of censoring weighting (IPCW). RESULTS: Of the four ethnicities, Caucasian participants had the highest rate of ADM use (12%) compared with African-American (4%), Asian (2%), and Hispanic (6%) participants. After adjustment, non-Caucasian ethnicity was associated with reduced ADM use: African-American (HR: 0.42; 95% Confidence Interval (CI): 0.31-0.58), Asian (HR: 0.14; 95%CI: 0.08-0.26), and Hispanic (HR: 0.47; 95%CI: 0.31-0.65). Applying IPCW to correct for non-random loss to follow-up among the study participants weakened but did not eliminate these associations: African-American (HR: 0.48; 95%CI: 0.30-0.57), Asian (HR: 0.23; 95%CI: 0.13-0.37), and Hispanic (HR: 0.58; 95%CI: 0.47-0.67). CONCLUSION: Non-Caucasian ethnicity is associated with lower rates of new ADM use. After IPCW adjustment, the observed ethnicity differences in ADM use are smaller although still statistically significant.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».