Understanding racial differences of COPD patients with an ecological model: two large cohort studies in the US and Korea
Notice bibliographique
Résumé
BACKGROUND: There are limited data about the racial difference in the characteristics of chronic obstructive pulmonary disease (COPD) patients who are treated at clinics. We aimed to compare sociodemographic and clinical characteristics between US and Korean COPD patients using large-scale nationwide COPD cohorts. METHODS: = 4477, 3461 were non-Hispanic whites [NHW], and 1016 were African Americans [AA]). RESULTS: Compared to NHW, AA had a significantly lower adjusted prevalence ratio (aPR) of cough >3 months (aPR: 0.67; 95% CI [confidence interval]: 0.60-0.75) and phlegm >3 months (aPR: 0.78, 95% CI: 0.70-0.86), but higher aPR of dyspnea (modified Medical Round Council scale ⩾2) (aPR: 1.22; 95% CI: 1.15-1.29), short six-minute walk distance (<350 m) (aPR: 1.98; 95% CI: 1.81-2.14), and poor quality of life (aPR: 1.10; 95% CI: 1.05-1.15). Compared to NHW, Koreans had a significantly lower aPR of cough >3 months (aPR: 0.53; 95% CI: 0.47-0.59), phlegm >3 months (aPR: 0.75; 95% CI: 0.67-0.82), dyspnea (aPR: 0.72; 95% CI: 0.66-0.79), and moderate-to-severe acute exacerbation in the previous year (aPR: 0.73; 95% CI: 0.65-0.82). NHW had the highest burden related to chronic bronchitis symptoms and cardiovascular diseases related to comorbidities. CONCLUSION: There are substantial differences in sociodemographic characteristics, clinical presentation, and comorbidities between COPD patients from the KOCOSS and COPDGene, which might be caused by interactions between various intrapersonal, interpersonal, and environmental factors of the ecological model. Thus, a broader and more comprehensive approach would be necessary to understand the racial differences of COPD patients.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».