MétaCan
Menu
Retour à la cohorte
Enregistrement W4391380790 · doi:10.1097/aci.0000000000000972

Health disparities in allergic diseases

2024· review· en· W4391380790 sur OpenAlexaff
Samantha R. Jacobs, Nicole Ramsey, Mariangela Bagnato, Tracy Pitt, Carla M. Davis

Notice bibliographique

RevueCurrent Opinion in Allergy and Clinical Immunology · 2024
Typereview
Langueen
DomaineSocial Sciences
ThématiqueRacial and Ethnic Identity Research
Établissements canadiensHumber River Regional HospitalUniversity of Ottawa
Organismes subventionnairesNational Institute of Environmental Health SciencesRegeneron PharmaceuticalsPfizer PharmaceuticalsNational Institutes of HealthNational Center for Advancing Translational SciencesAimmune TherapeuticsNational Institute of Allergy and Infectious DiseasesPfizer
Mots-clésMedicineMEDLINEHealth equityEnvironmental healthPublic healthPathology

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Healthcare disparities impact prevalence, diagnosis, and management of allergic disease. The purpose of this review is to highlight the most recent evidence of healthcare disparities in allergic conditions to provide healthcare providers with better understanding of the factors contributing to disparities and to provide potential management approaches to address them. This review comes at a time in medicine where it is well documented that disparities exist, but we seek to answer the Why , How and What to do next? RECENT FINDINGS: The literature highlights the socioeconomic factors at play including race/ ethnicity, neighborhood, insurance status and income. Management strategies have been implemented with the hopes of mitigating the disparate health outcomes including utilization of school-based health, distribution of educational tools and more inclusive research recruitment. SUMMARY: The studies included describe the associations between upstream structural and social factors with downstream outcomes and provide ideas that can be recreated at other institutions of how to address them. Focus on research and strategies to mitigate healthcare disparities and improve diverse research participant pools are necessary to improve patient outcomes in the future.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,273
Tête enseignante GPT0,568
Écart entre enseignants0,295 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Allergy and Clinical ImmunologyMême sujetRacial and Ethnic Identity ResearchTravaux en français237 207