Influence of race/ethnicity on prevalence and presentation of endometriosis: a systematic review and meta‐analysis
Notice bibliographique
Résumé
Background Understanding the impact of race/ethnicity on the prevalence and presentation of endometriosis may help improve patient care. Objective To review systematically the evidence for the influence of race/ethnicity on the prevalence of endometriosis. Search strategy CENTRAL , MEDLINE, PubMed, Embase, LILACS , SCIELO , and CINAHL databases, as well as the grey literature, were searched from date of inception until September 2017. Selection criteria Randomised control trials and observational studies reporting on prevalence and/or clinical presentation of endometriosis. Data collection and analysis Twenty studies were included in the review and 18 studies were used to calculate odds ratio ( OR ) with 95% confidence interval (CI) through a random effects model. Methodological quality was assessed using the Newcastle‐Ottawa risk of bias scale ( NOS ). Main results Compared with White women, Black woman were less likely to be diagnosed with endometriosis ( OR 0.49, 95% CI 0.29–0.83), whereas Asian women were more likely to have this diagnosis ( OR 1.63, 95% CI 1.03–2.58). Compared with White women, there was a statistically significant difference in likelihood of endometriosis diagnosis in Hispanic women ( OR 0.46, 95% CI 0.14–1.50). Significant heterogeneity ( I 2 > 50%) was present in the analysis for all racial/ethnic groups but was partially reduced in subgroup analysis by clinical presentation, particularly when endometriosis was diagnosed as self‐reported, Conclusions Prevalence of endometriosis appears to be influenced by race/ethnicity. Most notably, Black women appear less likely to be diagnosed with endometriosis compared with White women. There is scarce literature exploring the influence of race/ethnicity on symptomatology, as well as treatment access, preference, and response. Tweetable abstract Prevalence of endometriosis may be influenced by race/ethnicity, but there is limited quality literature exploring this topic.
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 | 0,017 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,032 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».