Abstract 17419: Sex and Race Related Disparities in Care and Outcomes After Hospitalization for Coronary Artery Disease Among Older Adults
Notice bibliographique
Résumé
Background: It is unclear to what extent following a standard performance protocol will help reduce gaps in cardiovascular health among sexes, racial/ethnic groups, and geographic regions in United States hospitals. Method: Based on the Get With The Guidelines Coronary Artery Disease (GWTG-CAD) registry linked with Medicare inpatient data, we included 49,358 patients, age 65 years or older, from 366 US hospitals from 2003 to 2009. Our primary outcome was 3-year all-cause mortality. Exposures included sex, race/ethnicity, and geographic region. Our mediator was a composite score of quality of care, defined as the total number of performance measures the patient received divided by total number of performance measures the patient was eligible for. Logistic regression with generalized estimating equations and mediation analysis were used. Results: During 3 years of follow-up, 16,130 deaths were identified. Compared with men, women were less likely to receive optimal care at discharge (adjusted odds ratio (aOR)=0.92, 95% Confidence Interval (CI): 0.88-0.95, p<0.0001). We identified a significant interaction between sex and quality of care measures (p for interaction=0.04). Compared with men, women had higher odds of mortality (aOR=1.23, 95%CI: 0.99-1.54, p=0.06) if they received sub-optimal care, though the sex disparity disappeared with optimal care (aOR=0.97, 95%CI: 0.92-1.01, p=0.13). There was no difference in terms of quality of care across racial/ethnic groups or geographic regions. Compared with whites, blacks had higher mortality (aOR=1.36, 95%CI: 1.24-1.50, p<0.0001), and the disparity persisted regardless of the quality of care received. We did not identify a significant mortality difference based on geographic region. Conclusion: Compared with men, women were less likely to receive optimal care at discharge which was associated with higher mortality. The observed sex disparity in mortality could potentially be reduced or even eliminated by providing equitable and optimal care. In contrast, the higher mortality observed in black patients could not be accounted for by differences in the quality of care measured in this study. We did not observe differences in care or outcomes by geographic region.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».