Decomposing Racial and Ethnic Disparities in Nursing Home Influenza Vaccination
Notice bibliographique
Résumé
OBJECTIVES: Quantify how observable characteristics contribute to influenza vaccination disparities among White, Black, and Hispanic nursing home (NH) residents. DESIGN: Retrospective cohort. SETTING AND PARTICIPANTS: Short- and long-stay U.S. NH residents aged ≥65 years. METHODS: We linked Minimum Data Set (MDS) and Medicare data to LTCFocUS and other facility data. We included residents with 6-month continuous enrollment in Medicare and an MDS assessment between October 1, 2013, and March 31, 2014. Residents were classified as short-stay (<100 days in NH) or long-stay (≥100 days in NH). We fit multivariable logistic regression models to assess the relationships between 27 resident and NH-level characteristics and receipt of influenza vaccination. Using nonlinear Oaxaca-Blinder decomposition, we decomposed the disparity in influenza vaccination between White versus Black and White versus Hispanic NH residents. Analyses were repeated separately for short- and long-stay residents. RESULTS: Our study included 630,373 short-stay and 1,029,593 long-stay residents. Proportions vaccinated against influenza included 67.2% of White, 55.1% of Black, and 54.5% of Hispanic individuals among short-stay residents and 84.2%, 76.7%, and 80.8%, respectively among long-stay residents. Across 4 comparisons, the crude disparity in influenza vaccination ranged from 3.4 to 12.7 percentage points. By equalizing 27 prespecified characteristics, these disparities could be reduced 37.7% to 59.2%. Living in a predominantly White facility and proxies for NH quality were important contributors across all analyses. Characteristics unmeasured in our data (eg, NH staff attitudes and beliefs) may have also contributed significantly to the disparity. CONCLUSIONS AND IMPLICATIONS: The racial/ethnic disparity in influenza vaccination was most dramatic among short-stay residents. Intervening on factors associated with NH quality would likely reduce these disparities; however, future qualitative research is essential to explore potential contributors that were unmeasured in our data and to understand the degree to which these factors contribute to the overall disparity in influenza vaccination.
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 | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».