1446Forgoing needed medical care among long-term survivors of childhood cancer: Racial/ethnic-insurance disparities
Notice bibliographique
Résumé
Abstract Background Among adult childhood cancer survivors, the relationship between race/ethnicity and health insurance status, as a contributor to disparities in healthcare utilization, is poorly understood. Methods We examined racial/ethnic-related disparities by insurance status in “forgoing needed medical care in the last year due to finances” using 3,964 adult childhood cancer survivors (3310 non-Hispanic/Latinx White, 562 non-Hispanic/Latinx Black, and 92 Hispanic/Latinx) participating in the St. Jude Lifetime Cohort Study (SJLIFE). Multivariable logistic regression analyses, guided by Andersen’s Healthcare Utilization Model, were adjusted for “predisposing” (age, sex, childhood cancer diagnosis, cancer treatment, surgery, and treatment era) and “need” (perceived health status) factors. Additional adjustment for income/education and chronic health conditions was considered. Results The risk of forgoing care was highest among non-Hispanic/Latinx Blacks and lowest among Hispanics/Latinxs for each insurance status. Among privately-insured survivors, relative to non-Hispanic/Latinx Whites, non-Hispanic/Latinx Blacks were more likely to forgo care (adjusted OR: 1.82, 95% CI: 1.30–2.54): this disparity remained despite additional adjustment for income/education (adjusted OR: 1.43, 95% CI: 1.01–2.01). In contrast, publicly-insured survivors, regardless of race/ethnicity, had similar risk of forgoing care as privately-insured non-Hispanic/Latinx Whites. All uninsured survivors had high risk of forgoing care. Additional adjustment for chronic health conditions did not alter these results. Conclusions The findings of this study show that provision of public insurance to all childhood cancer survivors may diminish racial/ethnic disparities in forgoing care that exist among the privately-insured and reduce the risk of forgoing care among uninsured survivors to that of privately-insured non-Hispanic/Latinx Whites. Key messages Providing publicly funded health insurance coverage to childhood cancer survivors can reduce disparities in forgoing medical care.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».