Towards an understanding of the biopsychosocial determinants of CVD in SLE: a scoping review
Notice bibliographique
Résumé
OBJECTIVE: Systemic lupus erythematosus (SLE) is a chronic autoimmune condition with significant physical, mental, psychosocial and economic impacts. A main driver of SLE morbidity and mortality is cardiovascular disease (CVD). Both SLE and CVD exhibit disparities related to gender, race and other social dimensions linked with biological outcomes and health trajectories. However, the biospsychosocial dimensions of CVD in SLE populations remain poorly understood. The objective of this study was to systematically investigate the existing literature around known social factors influencing the development of CVD in SLE. METHODS: A scoping review protocol was developed according to Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping reviews guidelines. The search strategy encompassed three main concepts: SLE, CVD and social factors. Four databases were searched (PubMed, SCOPUS, PsychINFO and CINAHL). 682 studies were identified for screening. Articles were screened in two phases (title/abstract and full text) to determine whether they fulfilled the selection criteria. RESULTS: Nine studies were included after screening. All were conducted in the USA between 2009 and 2017. Six studies (67%) were cross-sectional and three (33%) were longitudinal. Most employed SLE cohorts (n=7, 78%) and two drew from healthcare databases (n=2; 22%). We identified five main themes encompassing social factors: socioeconomic status and education (n=5; 56%), race and/or ethnicity (n=7; 78%), mental health (n=2; 22%), gender (n=3; 33%) and healthcare quality and/or insurance (n=2; 22%). Overall, low income, fewer years of education, black race and/or ethnicity, depression, male gender, lack of insurance and healthcare fragmentation were all associated with CVD risk factors and outcomes in SLE. CONCLUSIONS: While several social factors contribute to CVD in SLE populations, considerable gaps remain as many social determinants remain un(der)explored. There is rich opportunity to integrate social theory, advance conceptualisations of race and/or ethnicity and gender, expand investigations of mental health and explore novel geographical contexts. In healthcare policy and practice, identified social factors should be considered for SLE populations during decision-making and treatment, and education resources should be targeted for these groups.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».