Language discordance as a marker of disparities in cerebrovascular risk and stroke outcomes: A multi-center Canadian study
Notice bibliographique
Résumé
Differences in ischemic stroke outcomes occur in those with limited English proficiency. These health disparities might arise when a patient's spoken language is discordant from the primary language utilized by the health system. Language concordance is an understudied concept. We examined whether language concordance is associated with differences in vascular risk or post-stroke functional outcomes, depression, obstructive sleep apnea and cognitive impairment. This was a multi-center observational cross-sectional cohort study. Patients with ischemic stroke/transient ischemic attack (TIA) were consecutively recruited across eight regional stroke centers in Ontario, Canada (2012 – 2018). Participants were language concordant (LC) if they spoke English as their native language, ESL if they used English as a second language, or language discordant (LD) if non-English speaking and requiring translation. 8156 screened patients. 6,556 met inclusion criteria: 5067 LC, 1207 ESL and 282 LD. Compared to LC patients: (i) ESL had increased odds of diabetes (OR = 1.28, p = 0.002), dyslipidemia (OR = 1.20, p = 0.007), and hypertension (OR = 1.37, p<0.001) (ii) LD speaking patients had an increased odds of having dyslipidemia (OR = 1.35, p = 0.034), hypertension (OR = 1.37, p<0.001), and worse functional outcome (OR = 1.66, p<0.0001). ESL (OR = 1.88, p<0.0001) and LD (OR = 1.71, p<0.0001) patients were more likely to have lower cognitive scores. No associations were noted with obstructive sleep apnea (OSA) or depression. Measuring language concordance in stroke/TIA reveals differences in neurovascular risk and functional outcome among patients with limited proficiency in the primary language of their health system. Lower cognitive scores must be interpreted with caution as they may be influenced by translation and/or greater vascular risk. Language concordance is a simple, readily available marker to identify those at risk of worse functional outcome. Stroke systems and practitioners must now study why these differences exist and devise adaptive care models, treatments and education strategies to mitigate barriers influenced by language discordance.
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 ».