Health Inequity in Children and Youth With Chronic Health Conditions
Notice bibliographique
Résumé
BACKGROUND: Over the last decades, there have been great advances in health care delivered to children with chronic conditions, but not all children have benefitted equally from them. OBJECTIVES: To describe health inequities experienced by children with chronic health conditions. METHODS: We performed a literature review of English-language studies identified from the Medline, Centers for Disease Control and Prevention, National Cancer Institute, and Cystic Fibrosis Foundation Web sites that were published between January 1985 and May 2009, included children aged 0 to 18 years, and contained the key words "incidence," "prevalence," "survival," "mortality," or "disparity" in the title or abstract for the following health conditions: acute leukemia, asthma, attention-deficit/hyperactivity disorder (ADHD), autism spectrum disorders, cerebral palsy, cystic fibrosis, diabetes mellitus, Down syndrome, HIV/AIDS, major congenital heart defects, major depressive disorder, sickle cell anemia, spina bifida, and traumatic brain injury. RESULTS: Black children had higher rates of cerebral palsy and HIV/AIDS, were less likely to be diagnosed with ADHD, had more emergency department visits, hospitalizations, and had higher mortality rates associated with asthma; and survived less often with Down syndrome, type 1 diabetes, and traumatic brain injury when compared with white children. Hispanic children had higher rates of spina bifida from Mexico-born mothers, had higher rates of HIV/AIDS and depression, were less likely to be diagnosed with ADHD, had poorer glycemic control with type 1 diabetes, and survived less often with acute leukemia compared with white children. CONCLUSIONS: Serious racial and ethnic health and health care inequities persist for children with chronic health conditions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 |
| 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 ».