Disparities in Advance Care Planning Across Rurality, Sociodemographic Characteristics, and Cognition Levels: Evidence from the Health and Retirement Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: We aimed to examine ACP in older adults in the U.S. across different sociodemographic characteristics and cognition levels (N = 17,698). Methods: We utilized two legal documents from the Health and Retirement Study survey: a living will and durable power of attorney for healthcare (DPOAH). We established the baseline trends from 2014 to assess if trends in 2024 have improved upon future data availability. Logistic regression models were fitted with outcome variables (living will, DPOAH, and both) stratified by cognition levels (dementia/impaired cognition versus normal cognition). Results: Age, ethnicity, race, education, and rurality were significant predictors of ACP (having a living will, DPOAH, and both the living will and DPOAH) across cognition levels. Participants who were younger, Hispanic, black, less educated, or resided in rural areas were less likely to complete ACP. Conclusion: Examining ACP and its linkages to specific social determinants is crucial for understanding disparities and developing effective educational and interventional strategies to enhance ACP uptake among diverse population groups. Future studies are needed to assess whether disparities have improved over the last decade, particularly as 2024 data become available. Addressing ACP disparities is essential for healthcare professionals to advance research and promote effective practices in geriatric care and aging 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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle