Can Survival Bias Explain the Age Attenuation of Racial Inequalities in Stroke Incidence?
Notice bibliographique
Résumé
BACKGROUND: In middle age, stroke incidence is higher among black than white Americans. For unknown reasons, this inequality decreases and reverses with age. We conducted simulations to evaluate whether selective survival could account for observed age patterning of black-white stroke inequalities. METHODS: We simulated birth cohorts of 20,000 blacks and 20,000 whites with survival distributions based on US life tables for the 1919-1921 birth cohort. We generated stroke incidence rates for ages 45-94 years using Reasons for Geographic and Racial Disparities in Stroke (REGARDS) study rates for whites and setting the effect of black race on stroke to incidence rate difference (IRD) = 20/10,000 person-years at all ages, the inequality observed at younger ages in REGARDS. We compared observed age-specific stroke incidence across scenarios, varying effects of U, representing unobserved factors influencing mortality and stroke risk. RESULTS: Despite a constant adverse effect of black race on stroke risk, the observed black-white inequality in stroke incidence attenuated at older age. When the hazard ratio for U on stroke was 1.5 for both blacks and whites, but U only directly influenced mortality for blacks (hazard ratio for U on mortality =1.5 for blacks; 1.0 for whites), stroke incidence rates in late life were lower among blacks (average observed IRD = -43/10,000 person-years at ages 85-94 years versus causal IRD = 20/10,000 person-years) and mirrored patterns observed in REGARDS. CONCLUSIONS: A relatively moderate unmeasured common cause of stroke and survival could fully account for observed age attenuation of racial inequalities in stroke.
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 | 0,009 |
| 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 ».