Abstract 16866: Sex Differences in Access to Care Before Acute Myocardial Infarction: Does the Health Care System Matter?
Notice bibliographique
Résumé
Introduction: Access to high-quality health care for young women with acute myocardial infarction (AMI) lags behind that of men. Whether access to care varies based on the health care system remains unknown. We evaluated sex differences in pre-AMI access to care in young patients with AMI across countries. Methods: We utilized data from the GENESIS-PRAXY and VIRGO cohorts, which included young ( < 55 yrs) AMI patients hospitalized in countries with public (Canada, Spain, Australia) or private (United States [US], Switzerland) health care systems (2009-13). We collected data on demographics, CV risk, and psychosocial factors. Pre-AMI access to care was defined as: having a primary health care provider, difficulties in access to primary/specialist care, primary health care visits/diagnostic tests for cardiac symptoms (12 months prior to AMI). Sex-stratified analysis by health care system was performed. Results: Among 4,689 AMI patients (58% women, mean age 47±6 yrs), 64% were from the US and 22% from Canada. Compared with men, women had more CV risk factors, higher rates of depression/stress and lower socioeconomic status (SES) (Table); more strikingly in the US. Across countries, 70% of patients had a primary health care provider. However, women experienced more difficulties accessing primary (21% vs. 15%) or specialist care (27% vs. 20%, all p<.001) versus men. Women in the US reported cost barriers (47% vs. 5%), whereas women from other countries had difficulties in contacting primary health care providers (91% vs. 46%, all p<.001). Nevertheless, compared with men, women reported more primary health care provider visits (46% vs. 37%) and tests for cardiac symptoms (66% vs. 50%), regardless of health care system. Conclusions: In both public and privately funded health care systems, one-fifth of young AMI patients had poor pre-AMI access to care, despite a high-risk factor burden - especially among women in the US. Young women of low SES should be targeted for primary prevention.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».