Racial Disparities in Adverse Cardiovascular Outcomes After a Myocardial Infarction in Young or Middle‐Aged Patients
Notice bibliographique
Résumé
Background Black patients tend to develop coronary artery disease at a younger age than other groups. Previous data on racial disparities in outcomes of myocardial infarction (MI) have been inconsistent and limited to older populations. Our objective was to investigate racial differences in the outcome of MI among young and middle-aged patients and the role played by socioeconomic, psychosocial, and clinical differences. Methods and Results We studied 313 participants (65% non-Hispanic Black) <61 years old hospitalized for confirmed type 1 MI at Emory-affiliated hospitals and followed them for 5 years. We used Cox proportional-hazard models to estimate the association of race with a composite end point of recurrent MI, stroke, heart failure, or cardiovascular death after adjusting for demographic, socioeceonomic status, psychological, and clinical risk factors. The mean age was 50 years, and 50% were women. Compared with non-Black patients, Black patients had lower socioeconomic status and more clinical and psychosocial risk factors but less angiographic coronary artery disease. The 5-year incidence of cardiovascular events was higher in Black (35%) compared to non-Black patients (19%): hazard ratio (HR) 2.1, 95% CI, 1.3 to 3.6. Adjustment for socioeconomic status weakened the association (HR 1.3, 95% CI, 0.8-2.4) more than adjustment for clinical and psychological risk factors. A lower income explained 46% of the race-related disparity in outcome. Conclusions Among young and middle-aged adult survivors of an MI, Black patients have a 2-fold higher risk of adverse outcomes, which is largely driven by upstream socioeconomic factors rather than downstream psychological and clinical risk factors.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».