Bridging the pulse: Exploring inequalities in diabetes and hypertension medication prescriptions in Spain’s immigrant and native communities
Notice bibliographique
Résumé
Migrants often face barriers in accessing high quality healthcare, leading to unequal treatment. This research investigates the disparities in medication utilization for cardiovascular risk factors between immigrant and native-born populations in Spain. The study specifically examines differences in drug prescriptions for managing diabetes and hypertension, two key contributors to cardiovascular disease. We analyze administrative healthcare records to examine the probability of patients receiving prescriptions for antidiabetic and antihypertensive medications. Additionally, we assess the likelihood of patients undergoing tests to measure glycated hemoglobin levels and blood pressure, two crucial indicators for monitoring diabetes and hypertension management.The analysis is stratified across different levels of medical needs, by also controlling for individual socioeconomic status, physician diagnoses, biometric data and primary care centers fixed effects. The findings reveal that all immigrant groups have lower probabilities of being prescribed medications for diabetes and hypertension and this is especially true for people with higher levels of healthcare needs. These findings underscore the importance of addressing healthcare disparities to achieve more equitable outcomes for immigrant communities. • Study on migrant-native healthcare gaps in Spain, focusing on CVDs. • Immigrants less likely to get CVD meds vs. natives, needs-adjusted. • Immigrant health outcomes vary: better in US/Canada, mixed in Europe. • Examines diabetes/hypertension care disparities via health admin data. • Barriers: language, discrimination, culture, SES, systemic issues.
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 | 0,001 | 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 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 ».