Perioperative Health Care Disparities in the United States: A Systematic Review
Notice bibliographique
Résumé
Perioperative health inequities remain a critical issue, contributing to unequal patient outcomes and financial costs despite increasing awareness and efforts to address these disparities. This systematic review evaluated anesthesiology literature from 2010 to 2023 on perioperative health care disparities related to race, ethnicity, gender, and socioeconomic status. The review aimed to identify gaps and propose research and opportunities for intervention. A comprehensive literature search was conducted using PubMed, Embase, Scopus, and Web of Science, with studies included if they focused on perioperative disparities in the United States, were published in anesthesiology journals, and met criteria for methodological rigor. The review was registered with International Prospective Register of Systematic Reviews (PROSPERO); data extraction followed Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines and study quality was assessed with the Newcastle-Ottawa scale. Out of 1050 abstracts screened, 116 articles were reviewed for full text, with 59 studies meeting inclusion criteria. Included studies comprised retrospective cohort studies, cross-sectional analyses, a case-control study, and a randomized controlled trial, covering various surgical procedures and sample sizes from 100 to over 21 million patients. Disparities were noted in peripartum management (n = 14), mortality (n = 12), complications (n = 8), regional anesthesia use (n = 6), and pain management (n = 3), with evidence of poorer outcomes in Black and Hispanic women, older adolescents, and patients who were uninsured or on Medicaid. This review highlights the persistence of significant perioperative disparities and identifies gaps, such as limited exploration of the causes of these disparities, limited examination of disparities during the preoperative and intraoperative period, and few interventions to address these identified disparities. Reducing these disparities requires stakeholder engagement, multifaceted approaches, culturally agile training for health care teams, enhanced decision support tools, and a more diverse health care workforce. Continued research and targeted interventions at individual, community, and societal levels are essential for improving perioperative outcomes.
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 | 0,008 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,012 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».