The healing relationship in Indigenous patients' pain care: Influences of racial concordance and patient ethnic salience on healthcare providers' pain assessment
Notice bibliographique
Résumé
Indigenous persons suffer from among the highest rates of chronic pain in the United States. Using a relationship-centered medical decision-making framework, this study sought to examine the influence of Indigenous racial concordance and patient ethnic salience on providers’ assessment of pain. From May to October 2010, pre-identified healthcare providers working exclusively with Indigenous patients in the United States were randomly assigned an online clinical case vignette presenting an Indigenous patient reporting chronic lower back pain. A 2 × 2 analysis of variance, between-subjects design, was conducted with the predictor variables racial concordance and patient ethnic salience on the outcome measure of providers’ ratings of patient’s pain on a visual analogue scale. We found a significant interactional effect between racial concordance and patient ethnic salience on providers’ pain assessment ratings. Indigenous providers tended to rate the patient with higher Indigenous ethnic salience more congruently with the self-reported pain ratings, perhaps due to perceived similarities and lowered unconscious bias. This is the first known study to examine racial concordance of the healthcare provider and ethnic salience of the patient in pain care. This study informs healthcare provider practice and consideration of patients’ racial/cultural attributes and possible influence on assessment bias, which may be particularly relevant among Indigenous patients. More research is needed to identify specific interventions to improve cultural awareness and sensitivity for Indigenous persons who suffer from pain.
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 | 0,009 | 0,004 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».