Reducing inequalities in cardiovascular disease: focus on marginalized populations considering ethnicity and race
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
Cardiovascular disease (CVD) and its risk factors are more prevalent among traditionally marginalized racial, ethnic, and Indigenous groups. These populations also often face greater barriers to accessing cardiovascular health care, further contributing to the health equity gap. To address the challenge of inequalities and disparities in cardiovascular health outcomes, the Lancet Regional Health-Europe convened experts to evaluate the current state of knowledge on inequalities and disparities in cardiovascular health among marginalized populations and propose recommendations to address these disparities. This Series paper aims to review disparities in CVD referring to coronary heart disease and stroke, based on race, ethnicity, ancestry, and Indigeneity emphasizing the intersection of these factors with sex, gender, and socioeconomic status (SES) across Europe and North America. These regions were chosen as they have well established health-care systems, with persistent, and in some regions widening, disparities in cardiovascular health and outcomes. Ethnicity and race should be measured in a standardized manner in health-care administrative databases to identify high risk groups who might need focused programmes to improve health-care access and to address bias and inequities in care. Strategies that policymakers, health-care professionals, and advocacy groups can use to advance cardiovascular health equity include improving access to health-care systems and research for high-risk communities, fostering trust between these communities and public health providers, and enhancing the delivery of evidence-based therapies for the prevention and treatment of CVD.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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