Effects of Social Disparities on Management and Surgical Outcomes for Patients with Secondary Hyperparathyroidism
Notice bibliographique
Résumé
INTRODUCTION: Nearly 80% of chronic renal failure patients have secondary hyperparathyroidism. Cinacalcet is used to lower parathyroid hormone; however, it is expensive and has side effects. When secondary hyperparathyroidism is resistant to medication or medications are inaccessible, parathyroidectomy is performed. Race and socioeconomic status influence access to care and surgical outcomes. We sought to evaluate the effect of race and socioeconomic status on parathyroidectomy rate as well as surgical outcomes of patients with secondary hyperparathyroidism. METHODS: We undertook cross-sectional analysis of adults diagnosed with secondary hyperparathyroidism in the USA between 2012 and 2014, using the National Inpatient Sample. Univariate and multivariate analyses were used to determine associations between social disparities, likelihood to undergo parathyroidectomy, and surgical outcomes. RESULTS: Between 2012 and 2014, a national estimate of 724,170 hospitalizations were identified where patients had a diagnosis of secondary hyperparathyroidism. Operative rate was 0.67%. By socioeconomic status, differences in rates of surgery in the poorest compared to the richest were not significant (0.74% vs. 0.55%, OR 1.08, p = 0.5). African-American patients had higher rates of parathyroidectomy compared to Caucasians (1 vs. 0.74%, OR 1.49, p < 0.001). African-American patients also had a trend toward more complications and greater length of stay. CONCLUSIONS: According to a large administrative dataset, parathyroidectomy for secondary hyperparathyroidism is seldom used in the USA. African-American patients have higher rates of surgical management. Surgical outcomes may be affected by race. Clinicians treating secondary hyperparathyroidism should be aware of existing disparities within their health system.
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 | 0,000 | 0,000 |
| 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 ».