Ethnic variation in asthma healthcare utilisation and exacerbation: systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Patients from ethnic minority groups (EMGs) frequently report poorer asthma outcomes; however, a broad synthesis summarising ethnic disparities is yet to be undertaken. What is the magnitude of ethnic disparities in asthma healthcare utilisation, exacerbations and mortality? Methods: MEDLINE, Embase and Web of Science databases were searched for studies reporting ethnic variation in asthma healthcare outcomes (primary care attendance, exacerbation, emergency department (ED) visits, hospitalisation, hospital readmission, ventilation/intubation and mortality) between White patients and those from EMGs. Estimates were displayed using forest plots and random-effects models were used to calculate pooled estimates. We conducted subgroup analyses to explore heterogeneity, including by specific ethnicity (Black, Hispanic, Asian and other). Results: 65 studies, comprising 699 882 patients, were included. Most studies (92.3%) were conducted in the United States of America (USA). Patients from EMGs had evidence suggestive of lower levels of primary care attendance (OR 0.72, 95% CI 0.48-1.09), but substantially higher ED visits (OR 1.74, 95% CI 1.53-1.98), hospitalisations (OR 1.63, 95% CI 1.48-1.79) and ventilation/intubation (OR 2.67, 95% CI 1.65-4.31) when compared to White patients. In addition, we found evidence suggestive of increased hospital readmissions (OR 1.19, 95% CI 0.90-1.57) and exacerbation rates (OR 1.10, 95% CI 0.94-1.28) among EMGs. No eligible studies explored disparities in mortality. ED visits were much higher among Black and Hispanic patients, while Asian and other ethnicities had similar rates to White patients. Conclusions: EMGs had higher secondary care utilisation and exacerbations. Despite the global importance of this issue, the majority of studies were performed in the USA. Further research into the causes of these disparities, including whether these vary by specific ethnicity, is required to aid the design of effective interventions.
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 | 0,015 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,041 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».