Racial and ethnic disparities in alcohol-associated liver disease in the United States: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Alcohol-associated liver disease (ALD), encompassing alcohol-associated hepatitis and alcohol-associated cirrhosis, is rising in the United States. Racial and ethnic disparities are evident within ALD; however, the precise nature of these disparities is poorly defined. METHODS: We conducted a search of the PubMed/MEDLINE and EMBASE databases to identify studies published from inception through September 2023 that reported ALD incidence, prevalence, and mortality within the United States, stratified by race and ethnicity. We calculated pooled prevalence and incidence by race and ethnicity, including risk ratios and ORs for ALD pooled prevalence and alcohol-associated hepatitis/alcohol-associated cirrhosis pooled proportions, and OR for ALD mortality using the DerSimonian and Laird method for random-effect models. RESULTS: We identified 25 relevant studies (16 for quantitative meta-analysis), comprising 76,867,544 patients. ALD prevalence was highest in Hispanic (4.5%), followed by White (3.1%) and Black (1.4%) individuals. Pooled risk ratios of ALD prevalence were 1.64 (95% CI: 1.12-2.39) for Hispanic and 0.59 (95% CI: 0.35-0.87) for Black compared to White individuals. Mortality among those with ALD did not significantly differ between White and Hispanic (OR: 1.54, 95% CI: 0.9-2.5; I2=0%), Black (OR: 1.2, 95% CI: 0.8-1.6; I2=0%), or Native American (OR: 2.41, 95% CI: 0.9-2.9) individuals, while there was a significant difference between White and Asian (OR: 0.1; 95% CI: 0.03-0.5) individuals. Most data were cross-sectional and assessed to be of poor or fair quality. CONCLUSIONS: Differences were observed in ALD epidemiology, including higher prevalence among Hispanic and lower prevalence among Black individuals, although there were smaller differences in ALD mortality. Differences in ALD prevalence and prognosis remain poorly defined based on existing data, highlighting a need for higher-quality epidemiological studies in this area.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».