MétaCan
Menu
Retour à la cohorte
Enregistrement W4389346236 · doi:10.1161/circoutcomes.123.010063

Association of Neighborhood-Level Marginalization With Health Care Use and Clinical Outcomes Following Hospital Discharge in Patients Who Underwent Coronary Catheterization for Acute Myocardial Infarction in a Single-Payer Health Care System

2023· article· en· W4389346236 sur OpenAlexaffabout
Leo E. Akioyamen, Husam Abdel‐Qadir, Lu Han, Maneesh Sud, Nikhil Mistry, David A. Alter, Clare Atzema, Peter C. Austin, R. Sacha Bhatia, Gillian L. Booth, Irfan A. Dhalla, Andrew C.T. Ha, Cynthia A. Jackevicius, Moira K. Kapral, Harlan M. Krumholz, Douglas S. Lee, Candace D. McNaughton, Idan Roifman, Michael J. Schull, Atul Sivaswamy, Karen Tu, Jacob A. Udell, Harindra C. Wijeysundera, Dennis T. Ko

Notice bibliographique

RevueCirculation Cardiovascular Quality and Outcomes · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Myocardial Infarction Research
Établissements canadiensSt. Michael's HospitalWestern UniversityNorth York General HospitalSunnybrook Health Science CentreWomen's College HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineMyocardial infarctionSocioeconomic statusHazard ratioConfidence intervalHealth carePopulationEmergency medicineInternal medicineMortality rateDemographyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Canadian data suggest that patients of lower socioeconomic status with acute myocardial infarction receive less beneficial therapy and have worse clinical outcomes, raising questions regarding care disparities even in universal health care systems. We assessed the contemporary association of marginalization with clinical outcomes and health services use. METHODS: Using clinical and administrative databases in Ontario, Canada, we conducted a population-based study of patients aged ≥65 years hospitalized for their first acute myocardial infarction between April 1, 2010 and March 1, 2019. Patients receiving cardiac catheterization and surviving 7 days postdischarge were included. Our primary exposure was neighborhood-level marginalization, a multidimensional socioeconomic status metric. Neighborhoods were categorized by quintile from Q1 (least marginalized) to Q5 (most marginalized). Our primary outcome was all-cause mortality. A proportional hazards regression model with a robust variance estimator was used to quantify the association of marginalization with outcomes, adjusting for risk factors, comorbidities, disease severity, and regional cardiologist supply. RESULTS: Among 53 841 patients (median age, 75 years; 39.1% female) from 20 640 neighborhoods, crude 1- and 3-year mortality rates were 7.7% and 17.2%, respectively. Patients in Q5 had no significant difference in 1-year mortality (hazard ratio [HR], 1.08 [95% CI, 0.95-1.22]), but greater mortality over 3 years (HR, 1.13 [95% CI, 1.03-1.22]) compared with Q1. Over 1 year, we observed differences between Q1 and Q5 in visits to primary care physicians (Q1, 96.7%; Q5, 93.7%) and cardiologists (Q1, 82.6%; Q5, 72.6%), as well as diagnostic testing. There were no differences in secondary prevention medications dispensed or medication adherence at 1 year. CONCLUSIONS: In older patients with acute myocardial infarction who survived to hospital discharge, those residing in the most marginalized neighborhoods had a greater long-term risk of mortality, less specialist care, and fewer diagnostic tests. Yet, there were no differences across socioeconomic status in prescription medication use and adherence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,536
Score d'incertitude au seuil0,934

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,369
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculation Cardiovascular Quality and OutcomesMême sujetAcute Myocardial Infarction ResearchTravaux en français237 207