POS1443 IDENTIFYING THE NEW EMERGENCE OF RACIAL DISPARITIES IN GOUT OVER THE PAST 3 DECADES – US NATIONAL SURVEY AND PROSPECTIVE COHORT DATA
Notice bibliographique
Résumé
Background Several studies published after 2010 reported a higher frequency of gout and hyperuricemia among US Blacks than Whites.1-4 However, Blacks (in the US and Africa) were previously thought to suffer gout less often than Whites.5 We hypothesized that the racial disparity in Blacks emerged over the past several decades, with flipped prevalence between the two races. Objectives To assess trends in racial differences in gout prevalence in the US using both national survey and cohort study data over the past 3 decades. Methods Using data from the NHANES (National Health and Nutrition Examination Survey) III (1988-1994) and latest decade (2007-2016), and data from 5 examination periods in the ARIC (Atherosclerosis Risk in Communities) Study between 1988 through 2013, we compared age- and sex-adjusted prevalences and odds ratios (OR) to determine the trend of racial differences in gout prevalence between Blacks and Whites. A time-race interaction term was used to assess differences in the rate of change between the two races. Results Among Whites, the sex- and age-standardised prevalence of gout in the NHANES rose from 2.8% (95% CI: 2.4 to 3.2) in 1988-94 to 3.7% (3.2 to 4.1) in 2007/16. Prevalence of gout among Blacks was lower than Whites in 1988-94 (2.6% [2.2 to 3.0]) but rose more sharply over the subsequent decades (p for race-time interaction=0.003), and in 2007/16 came to exceed that of Whites (5.0% [4.4 to 5.6]). Corresponding age-sex-adjusted ORs for gout in Blacks vs. Whites were 0.93 (0.73 to 1.17) in 1988-94, increasing to 1.46 (1.22 to 1.74) in 2007/16 (Table 1). This disproportionate rise in gout prevalence among Blacks tended to be more prominent among women (OR 1.81 [1.29 to 2.53]) than men (OR 1.26 [1.02 to 1.55]; p for race-time interactions of 0.002 and 0.01, respectively). Similar trends were observed in the ARIC cohort, where the OR for gout among Blacks vs. Whites rose progressively from 0.82 (0.65 to 1.02) in 1987-89 to 1.81 (1.49 to 2.19) in 2011-13. Conclusion Gout prevalence tended to be lower in Blacks than Whites until late 80’s, then rose and surpassed that of Whites over the past several decades. These trends closely parallel the worsening obesity epidemic during this period,6 particularly in Blacks, partly due to enhanced Western lifestyle. Gout risk genetic profile change would not contribute to this emergence of racial differences, particularly among the same individuals in ARIC, although it remains to be clarified whether Blacks carry genetic profiles that enhance the effect of lifestyle risk factors for gout. References [1]PMID 22225548 (2012) [2]PMID 24330409 (2013) [3]PMID 24335384 (2014) [4]PMID: 30618180 (2019) [5]NEJM PMID: 15014177 [6]JAMA PMID: 12365955 Disclosure of Interests Natalie McCormick: None declared, Leo Lu: None declared, Chio Yokose: None declared, Amit Joshi: None declared, Yuqing Zhang: None declared, Hyon Choi Consultant of: Ironwood, Selecta, Horizon, Takeda, Kowa, and Vaxart., Grant/research support from: Ironwood and Horizon
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».