Factors Associated with Health Inequalities in Infectious Disease Pandemics Predating COVID-19 in the United States: A Systematic Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective: Previous pandemics may offer evidence on mediating factors that contributed to disparities in infection and poor outcomes, which could inform the effort to mitigate potential unequal outcomes during the current COVID-19 pandemic. This systematic review sought to examine those factors. Methods: We searched MEDLINE, PsycINFO, and Cochrane to May 2020. We included studies examining health disparities in adult U.S. populations during infectious disease epidemics or pandemics. Two investigators screened abstracts and full text. We assessed study quality using the Newcastle/Ottawa Scale or the Critical Appraisal Skills Programme Checklist for Qualitative Studies. Results: Sixteen articles were included, of which 14 focused on health disparities during the 2009 H1N1 influenza pandemic. Studies showed that disparities during the H1N1 pandemic were more related to differential exposure to the virus than to susceptibility or access to care. Overall, pandemic-related disparities emanate primarily from inequalities in social conditions that place racial and ethnic minorities and low socioeconomic status populations at greater risk of exposure and infection, rather than individual-level factors such as health behaviors and comorbidities. Conclusions: Policy- and systems-level interventions should acknowledge and address these social determinants of heightened risk, and future research should evaluate the effects of such interventions to avoid further exacerbation of health inequities during the current and future pandemics.
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.
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 | 0,018 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle