Socioeconomic disparities in the management and outcomes of acute myocardial infarction
Notice bibliographique
Résumé
BACKGROUND: Patients from lower socioeconomic status areas have poorer outcomes following acute myocardial infarction (AMI); however, how ethnicity modifies such socioeconomic disparities is unclear. METHODS: Using the UK Myocardial Ischaemia National Audit Project (MINAP) registry, we divided 370 064 patients with AMI into quintiles based on Index of Multiple Deprivation (IMD) score, comprising seven domains including income, health, employment and education. We compared white and 'ethnic-minority' patients, comprising Black, Asian and mixed ethnicity patients (as recorded in MINAP); further analyses compared the constituents of the ethnic-minority group. Logistic regression models examined the role of the IMD, ethnicity and their interaction on the odds of in-hospital mortality. RESULTS: More patients from the most deprived quintile (Q5) were from ethnic-minority backgrounds (Q5; 15% vs Q1; 4%). In-hospital mortality (OR 1.10, 95% CI 1.01 to 1.19, p=0.025) and major adverse cardiovascular event (MACE) (OR 1.07, 95% CI 1.00 to 1.15, p=0.048) were more likely in Q5, and MACE was more likely in ethnic-minority patients (OR 1.40, 95% CI 1.00 to 1.95, p=0.048) versus white (OR 1.05, 95% CI 0.98 to 1.13, p=0.027) in Q5. In subgroup analyses, Black patients had the highest in-hospital mortality within the most affluent quintile (Q1) (Black: 0.079, 95% CI 0.046 to 0.112, p<0.001; White: 0.062, 95% CI 0.059 to 0.066, p<0.001), but not in Q5 (Black: 0.065, 95% CI 0.054 to 0.077, p<0.001; White: 0.065, 95% CI 0.061 to 0.069, p<0.001). CONCLUSION: Patients with a higher deprivation score were more often from an ethnic-minority background, more likely to suffer in-hospital mortality or MACE when compared with the most affluent quintile, and this relationship was stronger in ethnic minorities compared with White patients.
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 ».