MétaCan
Menu
Retour à la cohorte
Enregistrement W4402451881 · doi:10.3389/fpubh.2024.1392074

Sociodemographic determinants of health inequities in low back pain: a narrative review

2024· review· en· W4402451881 sur OpenAlexaff
Janny Mathieu, Kamille Roy, Marie-Ève Robert, Meriem Akeblersane, Martin Descarreaux, Andrée-Anne Marchand

Notice bibliographique

RevueFrontiers in Public Health · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensUniversité de MontréalUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésNarrativeHealth equityNarrative reviewMedicineSocial determinants of healthGerontologyPsychologyPublic healthNursingArt

Résumé

récupéré en direct d'OpenAlex

Background: Health equity is defined as the absence of unjust and avoidable disparities in access to healthcare, quality of care, or health outcomes. The World Health Organization (WHO) has developed a conceptual framework that outlines the main causes of health inequalities and how these contribute to health inequities within a population. Despite the WHO implementing health equity policies to ensure accessibility and quality of healthcare services, disparities persist in the management of patients suffering from low back pain (LBP). The objective of this study was to review the existing evidence on the impact of health inequities on the care trajectories and treatments provided to individuals with LBP. Methods: A narrative review was performed, which included a literature search without language and study design restrictions in MEDLINE Ovid database, from January 1, 2000, to May 15, 2023. Search terms included free-text words for the key concepts of "low back pain," "health inequities," "care pathways," and "sociodemographic factors." Results: Studies have revealed a statistically significant association between the prevalence of consultations for LBP and increasing age. Additionally, a significant association between healthcare utilization and gender was found, revealing that women were more likely to seek medical attention for LBP compared to men. Furthermore, notable disparities related to race and ethnicity were identified, more specifically in opioid prescriptions, spinal surgery recommendations, and access to complementary and alternative medical approaches for LBP. A cross-sectional analysis found that non-Hispanic White individuals with chronic LBP were more likely to be prescribed one or more pharmacological treatments. Lower socioeconomic status and level of education, as well as living in lower-income areas were also found to be associated with greater risks of receiving non-guideline concordant care, including opioid and MRI prescriptions, before undergoing any conservative treatments. Conclusion: Persistent inequalities related to sociodemographic determinants significantly influence access to care and care pathways of patients suffering from LBP, underscoring the need for additional measures to achieve equitable health outcomes. Efforts are needed to better understand the needs and expectations of patients suffering from LBP and how their individual characteristics may affect their utilization of healthcare services.

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)0,003
score de la tête « metaresearch » (Gemma)0,019
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 enseignants0,009
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0090,011
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,399
Écart entre enseignants0,331 · 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

Citations16
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Public HealthMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207