Disparities in Lupus and the Role of Social Determinants of Health: Current State of Knowledge and Directions for Future Research
Notice bibliographique
Résumé
Systemic lupus erythematosus (SLE) is a chronic autoimmune disease. The complex relationships between race and ethnicity and social determinants of health (SDOH) in influencing SLE and its course are increasingly appreciated. Multiple SDOH have been strongly associated with lupus incidence and outcomes and contribute to health disparities in lupus. Measures of socioeconomic status, including economic instability, poverty, unemployment, and food insecurity, as well as features of the neighborhood and built environment, including lack of safe and affordable housing, crime, stress, racial segregation, and discrimination, are associated with race and ethnicity in the US and are risk factors for poor outcomes in lupus. In this scientific statement, we aimed to summarize current evidence on the role of SDOH in relation to racial and ethnic disparities in SLE and SLE outcomes, primarily as experienced in the U.S. Lupus Foundation of America's Health Disparities Advisory Panel, comprising 10 health disparity experts, including academic researchers and patients, who met 12 times over the course of 18 months in assembling and reviewing the data for this study. Sources included articles published from 2011 to 2023 in PubMed, Centers for Disease Control and Prevention data, and bibliographies and recommendations. Search terms included lupus, race, ethnicity, and SDOH domains. Data were extracted and synthesized into this scientific statement. Poorer neighborhoods correlate with increased damage, reduced care, and stress-induced lupus flares. Large disparities in health care affordability, accessibility, and acceptability exist in the US, varying by region, insurance status, and racial and minority groups. Preliminary interventions targeted social support, depression, and shared-decision-making, but more research and intervention implementation and evaluation are needed. Disparities in lupus across racial and ethnic groups in the US are driven by SDOH, some of which are more easily remediable than others. A multidimensional and multidisciplinary approach involving various stakeholder groups is needed to address these complex challenges, address these diminish disparities, and improve outcomes.
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 | 0,014 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».