Cumulative Disadvantage and Disparities in Depression and Pain Among Veterans With Osteoarthritis: The Role of Perceived Discrimination
Notice bibliographique
Résumé
OBJECTIVE: Perceived discrimination is associated with chronic pain and depression and contributes to racial health disparities. In a cohort of older adult veterans with osteoarthritis (OA), our objective was to examine how membership in multiple socially disadvantaged groups (cumulative disadvantage) was associated with perceived discrimination, pain, and depression. We also tested whether perceived discrimination mediated the association of cumulative disadvantage with depression and pain. METHODS: We analyzed baseline data from 270 African American veterans and 247 White veterans enrolled in a randomized controlled trial testing a psychological intervention for chronic pain at 2 Department of Veterans Affairs medical centers. Participants were age ≥50 years and self-reported symptomatic knee OA. Measures included the Everyday Discrimination Scale, the Patient Health Questionnaire Depression Scale, the Western Ontario and McMaster Universities Osteoarthritis Index pain subscale, and demographic variables. Cumulative disadvantage was defined as the number of socially disadvantaged groups to which each participant belonged (i.e., self-reported female sex, African American race, annual income of <$20,000, and/or unemployed due to disability). We used linear regression models and Sobel's test of mediation to examine hypotheses. RESULTS: The mean ± SD number of social disadvantages was 1.3 ± 1.0. Cumulative disadvantage was significantly associated with higher perceived discrimination, pain, and depression (P < 0.001 for all). Perceived discrimination significantly mediated the association between cumulative disadvantage and depression symptoms (Z = 3.75, P < 0.001) as well as pain severity (Z = 2.24, P = 0.025). CONCLUSION: Perceived discrimination is an important psychosocial stressor that contributes to worsening OA-related mental and physical health outcomes, with greater effects among those from multiple socially disadvantaged groups.
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 | 0,001 | 0,005 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».