MétaCan
Menu
Retour à la cohorte
Enregistrement W4413969392 · doi:10.1016/j.healthplace.2025.103538

Persistent effects of historical redlining on present day hospital siting and size

2025· article· en· W4413969392 sur OpenAlexaff
Shuo Jim Huang, Kaitlynn Robinson-Ector, Neil Jay Sehgal, Sherita Hill Golden, Esa M. Davis, Alexandria Ratzki‐Leewing, Chixiang Chen, Oluwadamilola Akintoye, Darius J. Roy, Olohitare Abaku, Marissa L Ding, Bradley A. Maron, Rozalina G. McCoy

Notice bibliographique

RevueHealth & Place · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésEnvironmental healthGeographyDemographyMedicineEnvironmental planningHistorySociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Racial health disparities persist in hospital care access, quality, and outcomes. These disparities are geographically patterned but paradoxically hospital proximity is not protective. Historical governmental policies such as redlining may explain this paradox. Redlining, proxied by explicitly race-based maps drawn by the Home Owners' Loan Corporation (HOLC) in the 1930s, led to extensive depopulation, property devaluation, and political disempowerment in neighborhoods with significant proportions of Black residents in the latter half of the 20th centuries. Hospitals expanding in the post-World War II period due to the Hill-Burton Act may have taken advantage of these racialized economic and political gradients. Our study investigates whether historical HOLC redlining categories are associated with present day hospital location and size. METHODS: We used hospital locations from the 2023 Homeland Infrastructure Foundation-Level hospital dataset and redlining locations and categories from the Mapping Inequality dataset. We calculated expected counts of hospitals and total number of beds based on the proportion of land covered by each HOLC category. We compared observed counts of hospitals and beds using Pearson chi-squared tests. RESULTS: Hospitals were significantly overrepresented in HOLC D red areas by 20.5 % and underrepresented in HOLC A green areas by 35.6 %. Hospital beds were overrepresented in D areas by 56.5 % and underrepresented by 44.7 % in A, 5.2 % in B, and 20.8 % in C. DISCUSSION: We show that hospital locations are not evenly distributed throughout the US with regard to 1930s HOLC categories. The expansion of hospital capacity in the post-World War II period may have taken advantage of exploitative policies. Hospitals have the ability and opportunity to correct past injustices and improve health equity today by increasing investments in community benefits.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,272
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth & PlaceMême sujetHealthcare Policy and ManagementTravaux en français237 207