Black Older Americans Have Lower Prevalence of Hearing Loss Than Their White Peers: Findings From Two Large Nationally Representative Surveys
Notice bibliographique
Résumé
Purpose: The purpose of this study was to investigate Black–White differences associated with hearing loss among older adults living in the United States. Method: Secondary data analysis was conducted using the 2017 American Community Survey (ACS) with a replication analysis of the 2016 ACS. The ACS is an annual nationally representative survey of Americans living in community settings and institutions. The sample size of older Americans (age 65+ years) in 2017 was 467,789 non–Hispanic Whites (NHWs) and 45,105 non–Hispanic Blacks (NHBs). In the 2016 ACS, there were 459,692 NHW and 45,990 NHB respondents. Measures of hearing loss, age, race/ethnicity, education level, and household income were based on self-report. Data were weighted to adjust for nonresponse and differential selection probabilities. Results: The prevalence of hearing loss was markedly higher among older NHWs (15.4% in both surveys) in comparison with NHBs (9.0% in 2017 and 9.4% in 2016, both ethnic differences p < .001). In the 2017 ACS, the age- and sex-adjusted odds of hearing loss were 69% higher for NHWs compared with NHBs, which increased to 91% higher odds when household income and education level were also taken into account ( OR = 1.91; 95% confidence interval [CI; 1.85, 1.97]). Findings from the 2016 ACS were very similar (e.g., 65+ fully adjusted OR = 1.81; 95% CI [1.76, 1.87]). Conclusions: NHWs have a much higher prevalence and almost double the odds of hearing loss compared with NHBs. Unfortunately, the ACS survey does not allow us to explore potential causal mechanisms behind this association.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».