Racial and Ethnic Distribution of Rheumatic Diseases in Health Systems of the National Patient-Centered Clinical Research Network
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the relative prevalence of 8 rheumatic and musculoskeletal diseases (RMDs) across racial and ethnic groups within the National Patient-Centered Clinical Research Network (PCORnet). METHODS: Electronic health records from participating PCORnet institutions and systems from January 1, 2013, to December 31, 2018, were used to identify adult patients with ≥ 2 diagnosis codes for rheumatoid arthritis (RA), systemic lupus erythematosus (SLE), osteoporosis (OP), granulomatosis with polyangiitis (GPA), microscopic polyangiitis (MPA), eosinophilic granulomatosis with polyangiitis (EGPA), giant cell arteritis (GCA), and Takayasu arteritis (TAK). Among those with race and ethnicity data available, we compared prevalence of RMDs by race and ethnicity. RESULTS: Data from 28,059,546 patients were available for analysis. RA was more common in patients who were American Indian or Alaska Native vs White, with a prevalence of 11.57 vs 10.11/1000 (odds ratio [OR] 1.15, 95% CI 1.09-1.22). SLE was more common in patients who were Black or African American (6.73/1000), American Indian or Alaska Native (3.82/1000), and Asian (3.39/1000) vs White (2.80/1000; OR 2.43, 95% CI 2.39-2.46; OR 1.39, 95% CI 1.25-1.53; OR 1.26, 95% CI 1.21-1.31, respectively). SLE was more common in patients who were Hispanic vs non-Hispanic (prevalence 3.93 vs 3.45/1000, OR 1.14, 95% CI 1.12-1.16). TAK was more common in patients who were Asian vs White (prevalence 0.05 vs 0.04/1000, OR 1.43, 95% CI 1.00-2.03). OP, RA, and the vasculitides were all more common in patients who were White vs Black or African American. CONCLUSION: These data provide important information on the prevalence of RMDs by race and ethnicity in the United States. PCORnet can be used as a reliable data source to study RMDs within a large representative population.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».