Health insurance mediation of the Mexican American non-Hispanic white disparity on early breast cancer diagnosis
Notice bibliographique
Résumé
We examined health insurance mediation of the Mexican American (MA) non-Hispanic white (NHW) disparity on early breast cancer diagnosis. Based on social capital and barrio advantage theories, we hypothesized a 3-way ethnicity by poverty by health insurance interaction, that is, that 2-way poverty by health insurance interaction effects would differ between ethnic groups. We secondarily analyzed registry data for 303 MA and 3,611 NHW women diagnosed with breast cancer between 1996 and 2000 who were originally followed until 2011. Predictors of early, node negative (NN) disease at diagnosis were analyzed. Socioeconomic data were obtained from the 2000 census to categorize neighborhood poverty: high (30% or more of the census tract households were poor), middle (5% to 29% poor) and low (less than 5% poor). Barrios were neighborhoods where 50% or more of the residents were MA. Primary health insurers were Medicaid, Medicare, private or none. MA women were 13% less likely to be diagnosed early with NN disease (RR = 0.87), but this MA-NHW disparity was completely mediated by the main and interacting effects of health insurance. Advantages of health insurance were largest in low poverty neighborhoods among NHW women (RR = 1.20) while among MA women they were, paradoxically, largest in high poverty, MA barrios (RR = 1.45). Advantages of being privately insured were observed for all. Medicare seemed additionally instrumental for NHW women and Medicaid for MA women. These findings are consistent with the theory that more facilitative social and economic capital is available to MA women in barrios and to NHW women in more affluent neighborhoods. It is there that each respective group of women is probably best able to absorb the indirect and direct, but uncovered, costs of breast cancer screening and diagnosis.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».