Racial Disparities in Utilization of Medications and Disease Outcomes in Inflammatory Bowel Disease Patients
Notice bibliographique
Résumé
Background: Although traditionally associated with White European ancestry, inflammatory bowel disease (IBD) has increased among different races and ethnicities. Large studies conducted in the United States and Canada have identified more complex disease phenotypes among Black patients. Our study aimed to investigate disparities in IBD treatments and outcomes between Black and White patients in the United States. Methods: Using the TriNetX database, adult IBD patients were divided into 2 groups based on race: Black and White patients with IBD, Crohn's disease (CD), or ulcerative colitis (UC). Medical therapy and disease outcomes were evaluated in both groups with 1:1 propensity-score matching. Methodologic limitations include the potential for missing data, lack of information on socioeconomic strata, and patient-level medication coverage plans. Results: In comparison to White patients, Black patients with CD were less likely to receive advanced therapies; Adalimumab (adjusted odds ratio- aOR 0.89), Certolizumab (0.81), Vedolizumab (0.66), Ustekinumab (0.82), or Tofacitinib (0.58). Black patients with UC were less likely to receive advanced therapies; Adalimumab (0.83), Golimumab (0.62), Vedolizumab (0.69), Ustekinumab (0.73), or Tofacitinib (0.55). Black patients with IBD were at higher odds of utilizing corticosteroids (CD 1.18 and UC 1.20) and opioids (CD 1.26 and UC 1.09). Black patients with CD had higher rates of hospitalization (1.35) and perianal abscess (1.56), perianal fistula (1.28), and intestinal fistula (1.38). Black patients with UC had higher rates of hospitalization (1.29), Clostridioides difficile infection (1.11), and toxic megacolon (1.34). Conclusions: There were racial disparities in IBD medical therapy and disease outcomes. Black IBD patients had lower treatment with advanced therapies, higher opioid and corticosteroid use, and higher IBD-related complications.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».