Association between social determinants of health and rates of liver transplantation in individuals with cirrhosis
Notice bibliographique
Résumé
BACKGROUND AND AIMS: This study evaluated the association between neighborhood-level social determinants of health (SDOH) and liver transplantation (LT) among patients with cirrhosis who have universal access to health care. APPROACH AND RESULTS: This was a retrospective population-based cohort study from 2000-2019 using administrative health care data from Ontario, Canada. Adults aged 18-70 years with newly decompensated cirrhosis and/or HCC were identified using validated coding. The associations between five neighborhood level SDOH quintiles and LT were assessed with multivariate Fine-Gray competing risks regression to generate subdistribution HRs (sHRs) where death competes with LT. Overall, n = 38,719 individuals formed the cohort (median age 57 years, 67% male), and n = 2788 (7%) received LT after a median of 23 months (interquartile range 3-68). Due to an interaction, results were stratified by sex. After multivariable regression and comparing those in the lowest versus highest quintiles, individuals living in the most materially resource-deprived areas (female sHR, 0.61; 95% CI, 0.49-0.76; male sHR, 0.55; 95% CI, 0.48-0.64), most residentially unstable neighborhoods (female sHR, 0.61; 95% CI, 0.49-0.75; male sHR, 0.56; 95% CI, 0.49-0.65), and lowest-income neighborhoods (female sHR, 0.57; 95% CI, 0.46-0.7; male sHR, 0.58; 95% CI, 0.50-0.67) had ~40% reduced subhazard for LT (p < 0.01 for all). No associations were found between neighborhoods with the most diverse immigrant or racial minority populations or age and labor force quintiles and LT. CONCLUSIONS: This information highlights an urgent need to evaluate how SDOH influence rates of LT, with the overarching goal to develop strategies to overcome inequalities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».