Individual and County‐Level Social Determinants of Health and Acute Reperfusion Therapies: Get With The Guidelines‐Stroke Registry Results
Notice bibliographique
Résumé
BACKGROUND: The associations between individual- and county-level social determinants of health and reperfusion therapies (thrombolysis or thrombectomy) for acute ischemic stroke have been described separately, but they are rarely studied together. METHODS AND RESULTS: We identified 1.5 million patients aged ≥40 years with acute ischemic stroke between January 1, 2015 and December 31, 2019 from the Get With The Guidelines-Stroke registry in the United States. We ascertained age, sex, rural residence, and ethnicity or race at the individual level, and poverty, unemployment, and lower education (defined as less than high school) at the county level. We used multivariable log-binomial regression models estimated using generalized estimating equations methods to account for county-level clustering and adjusted for comorbidities. About 13.4% (n=203 800) patients received reperfusion therapy. Black (adjusted risk ratio [aRR, 1.06 [95% CI, 1.04-1.07]) and Hispanic (aRR, 1.36 [95% CI, 1.33-1.40]) patients were more likely to receive it compared with White patients, as were those in counties with lower education (aRR, 1.08 [95% CI, 1.07-1.09]). Older adults (5-year increase in age aRR, 97 [95% CI, 0.97-0.97]), rural residents (aRR, 0.58 [95% CI, 0.56-0.59]), and those with missing last known well time (aRR, 0.30 [95% CI, 0.29-0.30]) were less likely to receive it. Missing last known well was less likely in Hispanic (aRR, 0.94 [95% CI, 0.92-0.95]) and Asian (aRR, 0.93 [95% CI, 0.90-0.96]) patients compared with White patients and more likely in those residing in counties with high unemployment (aRR, 1.07 [95% CI, 1.06-1.08]). CONCLUSIONS: Individual- and county-level social determinants of health were associated with reperfusion therapies and missing last known well times. Understanding the mechanisms by which these factors could affect treatment eligibility through time-based criteria can help increase reperfusion therapies for all.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».