Comparing racial health disparities in pandemics a decade apart: H1N1 and COVID-19
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
BACKGROUND AND AIMS: The Centers for Disease Control and Prevention has reported disproportionate health disparities with respect to disease for Blacks/African Americans (AAs) compared to Whites in the USA. In this paper, we identify and compare the factors involved in creating these disparities among these populations during the 2009 H1N1 and current COVID-19 pandemics. METHODS: We included studies describing health disparities towards Blacks/AAs in the USA during the H1N1 and COVID-19 pandemics. Only observational empirical studies with free full-text availability in English from PubMed, PubMed Central and Google Scholar were included. RESULTS: A total of 31 papers were included: 19 pertaining to the H1N1 pandemic and 12 to the COVID-19 pandemic. Qualitative analysis for health disparities resulted in 43 different factors, which were subdivided into nine overarching themes. DISCUSSION: The similarities that exist between the two pandemics indicate that there are many neglected issues in American healthcare that need to be addressed. The listed factors have led to disparities in screening and treating for disease resulting in disparities in infection rates, severity of illness and mortality. This calls for a change in healthcare dynamics to improve access to healthcare, remove any form of possible discrimination, and regain the lost trust with the Black/AA communities, repairing historical damage. CONCLUSIONS: Effective utilisation of social media and faith-based centres to educate patients, implementation of new policies improving access to healthcare, and culture-sensitive education for healthcare providers are suggested to decrease health disparities and improve health outcomes across the USA.
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 | 0,004 | 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 | 0,002 | 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 découle