包容性数据实践:在PRAMS中对美洲印第安人和阿拉斯加土著人进行种族分类和共同疾病评估
Micah Hartwell1,2, KayLeigh Noblin1,3, Jasha Lyons Echo-Hawk4,5
1Office of Medical Student Research, Oklahoma State University College of Osteopathic Medicine at Cherokee Nation, Tahlequah, OK, USA.
怀孕风险评估监测系统 (PRAMS) 中的种族错误分类可以掩盖美国印第安人和阿拉斯加土著 (AI / AN) 女人的健康差异. 分散的数据显示,在AI/AN亚组中,母亲的并发症存在关键差异.
科学领域:
- 生殖健康 生殖健康
- 健康差异 在健康上的差异
- 流行病学 流行病学
背景情况:
- 怀孕风险评估监测系统 (PRAMS) 对于监测美国母亲健康至关重要.
- 准确的种族和民族数据对于识别和解决健康差异至关重要.
- 之前的PRAMS数据收集方法可能无法充分捕捉美洲印第安人和阿拉斯加土著 (AI/AN) 人口中的多样性.
研究的目的:
- 评估PRAMS第八阶段数据中AI/AN个人的潜在错误分类和排除.
- 为了比较汇总与分类的自我报告的种族变量.
- 评估不同种族分类方法对母体并发症患病率的影响.
主要方法:
- 利用CDC提供的种族身份变量和新创建的分类变量.
- 将聚合的PRAMS种族变量 (MRACE_AMI,MAT_RACE_PU) 与一个包含19个民族种族子组的构造变量进行比较.
- 估计和比较这些不同种族群体的并发症患病率.
主要成果:
- 根据种族分类方法,观察到母亲并发症患病率的显著差异.
- 聚合的PRAMS变量MAT_RACE_PU (n=7,494) 显示糖尿病患病率为4.93%,而MRACE_AMI (n=13,341) 显示为4.04%.
- 分散的子组显示了不同的流行率:AI (单独) 5.46%和AN (单独) 1.37%的糖尿病.
结论:
- 目前的PRAMS种族分类策略可能导致AI/AN妇女健康状况的严重误导.
- 分解AI/AN数据对于理解特定子组面临的独特健康挑战和差异至关重要.
- 研究结果强调需要改进数据收集方法,以准确反映各种AI/AN人群的健康状况.
更多相关视频
14:43A Novel Method for Involving Women of Color at High Risk for Preterm Birth in Research Priority Setting
Published on: January 12, 2018
09:38Generalized Psychophysiological Interaction PPI Analysis of Memory Related Connectivity in Individuals at Genetic Risk for Alzheimer's Disease
Published on: November 14, 2017
相关概念视频
Methods of Documentation II: POMR
Surveys
Strategies for Assessing and Addressing Confounding
Confounding can be addressed at both the design phase of a study and through analytical methods after data...
Analysis of Population Pharmacokinetic Data
Prevalence and Incidence
Prevalence indicates the proportion of individuals in a population who have a specific disease or health...
