Abstract WMP99: A Novel Network Analysis of County- and Individual-Level Factors Associated With Functional Outcomes After Stroke
Notice bibliographique
Résumé
Background: Social circumstances may contribute to health disparities in patients with stroke through indirect and interdependent mechanisms that are not well understood. Objective: This study used complexity science methodology to examine the interplay between county- and individual-level social and clinical factors influencing stroke functional outcomes. Methods: As part of the Get With the Guidelines-Stroke (GWTG-S) Data Challenge, the GWTG-S Registry was merged with county-level Institute for Health Metrics and Evaluation data. Patients diagnosed with stroke (ischemic, subarachnoid, or intracerebral hemorrhage) were included. Multilayer networks were constructed by estimating mixed graphical models of 32 nodes across four layers, including social (county- and patient-level) and clinical (comorbidities and encounter) factors. Social determinant networks were estimated for patients with less favorable (ie., functional dependence or death, modified Rankin Score [mRS] 3-6) versus favorable outcomes (ie., functional independence, mRS 0-2). Network structure and node centrality were compared between mRS groups using bootstrap permutation analyses. Hub nodes were defined by betweenness centrality and facilitate effects across the network. Results: From 2013-2019, 990 721 (62.3%) stroke patients had mRS of 3-6 and 597 477 (37.6%) had mRS 0-2 at discharge. Compared to the mRS 0-2 group, the mRS 3-6 group’s social determinants network had greater global connectivity (p<0.001), and homelessness (p<0.001) and Black race (p<0.001) were hub nodes. Unique to the mRS 3-6 group, younger patients were more likely to identify as homeless (p=0.031), uninsured (p=0.001), and live in a county with lower per capita income (p<0.001). Conclusions: The effects of social determinants were significantly greater in patients with less favorable functional outcomes. Homelessness and race play critical roles in mediating the impacts of county- and individual-level social determinants on downstream disparities in stroke outcomes. Particularly among younger patients, housing, insurance status, and income may serve as a critical leverage point for county-level interventions to improve function after stroke.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».