Inequity and vulnerability in Latin American Indigenous and non-Indigenous populations with rheumatic diseases: a syndemic approach
Notice bibliographique
Résumé
Syndemics are a framework that documents health inequities and vulnerabilities in populations with rheumatic diseases. Compared with other approaches, syndemics are able to conjunctly consider epidemiological, biological, sociodemographic and economic factors, and their interactions. OBJECTIVE: To estimate health inequity and vulnerability among Indigenous and non-Indigenous populations with rheumatic and musculoskeletal diseases (RMD) in Latin America using the syndemic approach. DESIGN: This is a secondary analysis of a previously published large-scale study on the prevalence of RMD. SETTING: Studies carried out in five Latin American countries (Argentina, Colombia, Ecuador, Mexico and Venezuela). Health inequity and vulnerability in RMD were identified through a syndemic approach using network and cluster analysis. PARTICIPANTS: A total of 44 560 individuals were studied: 29.78% self-identified as Indigenous, 60.92% were female, the mean age was 43.25 years. Twenty clusters were identified in the Indigenous population and 17 in the non-Indigenous population. RESULTS: The variables associated with RMD among Indigenous populations were rurality, public health system, high joint biomechanical stress, greater pain, disability and alcoholism; and among non-Indigenous people they were being a woman, urban origin, older age, private health system, joint biomechanical stress, greater pain and disability. We identified different health inequities among patients with RMD (ie, lower educational attainment, more comorbidities), associated with factors such as Indigenous self-identification and rural residence. CONCLUSIONS: A syndemic approach enables us to identify health inequities in RMD, as shown by higher prevalence of comorbidities, disability and socioeconomic factors like lower educational attainment. These inequities exist for the overall population of patients with RMD, although it is more evident in Indigenous groups with added layers of vulnerability.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».