相关实验视频
Updated: Jun 14, 2025

Assessment of Child Anthropometry in a Large Epidemiologic Study
Published on: February 2, 2017
在大型儿科卫生系统中,在种族和种族指定中的错误率
Gary L Freed1,2, Brittany Bogan3, Adam Nicholson4
1Michigan Child Health Equity Collaborative, Ann Arbor.
电子医疗记录 (EMR) 种族和种族数据的错误率很高,影响了健康公平研究. 整合数据选项提高了准确性,但仍然存在严重的错误归因,可能会破坏改善护理的努力.
科学领域:
- 医疗信息学 医疗信息学
- 健康 公平 研究 健康 公平 研究
- 临床数据管理 临床数据管理
背景情况:
- 准确的种族和民族名称对于识别健康差异和改善临床护理至关重要.
- 在电子医疗记录 (EMR) 中错误地归因种族和种族,可能会忽视现有的不平等现象或创造虚假的不平等现象.
研究的目的:
- 确定密歇根州三个主要儿科卫生系统EMR中种族和种族归因的错误率.
- 评估数据整合对种族和种族匹配准确性的影响.
主要方法:
- 一项涉及4333项来自门诊,急诊和住院机构的家长/监护人调查的横截面研究.
- 父母对孩子的种族和种族的报告被用作黄金标准,与EMR名称相比.
- 数据匹配涉及精确的比较,优先考虑少数群体,并将类别缩小到更少的选择.
主要成果:
- 父母种族报告与EMR的准确匹配显示出高错误率 (41%-78%).
- 巩固种族选项改善了匹配率,缩小了卫生系统之间的差异 (79%-88%).
- 种族匹配率在65%至95%之间,缺少的数据也导致了不匹配.
结论:
- 在EMR种族和种族数据中存在重大错误,可能会破坏解决健康差异的努力.
- 数据类别的复杂性可能导致错误的归因,突出需要标准化和验证的数据收集.
- 需要进一步调查,以了解数据类别设计和差异分析之间的脱节.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
14:43A Novel Method for Involving Women of Color at High Risk for Preterm Birth in Research Priority Setting
Published on: January 12, 2018
相关概念视频
Stereotypes, Prejudice, and Discrimination
Regression Toward the Mean
Types of Reports II: Incident or Occurrence Report
Purposes:
In the healthcare industry, reports play a crucial role in documenting incidents within an agency. The primary objective of these reports is to ensure patient safety, uphold the...
Hazard Ratio
For example, in a clinical trial...
Bias in Epidemiological Studies
Surveys