MétaCan
Menu
Retour à la cohorte
Enregistrement W4241142790 · doi:10.7861/fhj.2021.0030

Comparing racial health disparities in pandemics a decade apart: H1N1 and COVID-19

2021· article· en· W4241142790 sur OpenAlexaff
Prathayini Paramanathan, Muhammad Zaheer Abbas, Sajjad Ali Huda, S.S.M. Sadrul Huda, Mehran Mortazavi, Parastoo Taravati

Notice bibliographique

RevueFuture Healthcare Journal · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRacial and Ethnic Identity Research
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPandemicHealth careHealth equityObservational studyCoronavirus disease 2019 (COVID-19)MedicineDiseaseFamily medicineGerontologyPublic healthPolitical scienceNursingInfectious disease (medical specialty)Pathology

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,052
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,052
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0060,007
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,123
Tête enseignante GPT0,459
Écart entre enseignants0,336 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFuture Healthcare JournalMême sujetRacial and Ethnic Identity ResearchTravaux en français237 207