What Drives the Contemporary Black–White Racial Disparities in Gout in the US? Impact of Social Determinants of Health
Notice bibliographique
Résumé
Together with the substantial role of genetic factors, serum urate levels and the occurrence of gout are also heavily driven by environmental and clinical factors, including adiposity, dietary patterns, alcohol, kidney function, and diuretic medication use. These are, in turn, greatly influenced by the social determinants of health, which encompass access to health care, availability of healthy foods, and opportunities for physical activity but also education, income, social norms, and racism, among other forces. Gout-related health disparities have been described for Māori and Pacific people in New Zealand, but racial disparities in gout prevalence and outcomes between Black and White Americans have been under-recognised, and particularly, sex-specific data are scarce. In this article we review evidence from prior cohort studies and contemporary national-level data which show the incidence and prevalence of gout and hyperuricemia in Black adults in the US have come to exceed that in White adults and are disproportionately greater in Black women. Importantly, this emerging disparity can be attributed entirely to social determinants of health, including higher levels of adiposity and poverty in Black women compared to White women and lower kidney function and poorer quality diet among Black men compared to White men. Furthermore, Black patients with gout have received poorer quality gout-related care and experienced higher levels of healthcare use, especially Black women. While identifying targets for culturally safe interventions for addressing risk factor disparities is essential, evidence gaps remain about potential disparities in longer-term outcomes of gout, including cardio-metabolic-kidney endpoints and premature mortality. Sociodemographically diverse, population-based longitudinal cohort studies, research on implementation strategies for improved gout care delivery models for underserved groups, and efforts to minimise structural racism and its effects are key to achieving health equity in gout.
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 ».