Introducció: El desafiament persistent de les Diferències

El Diabetus continua sent un dels reptes de salut pública més importants del segle XXI. Segons la [[FLT: 0] C introdueix per controlar i prevenció (CD) [[FLT]: 1, més de 37 milions de persones tenen diabetis, i aproximadament 96 milions d' adults tenen prediates. Mentre que la condició afecta a la vida, la càrrega no es distribueix de forma equitativa. Les minories ètniques i les minories ètniques, amb un estatus inferior sociològic, i la gent que viu sota àrees rurals o que tenen una major experiència, complicacions i resultats més pobres. Aquestes diferències disparables en grups de salut, no es reflecteixen en els nivells de salut accidentals de la població.

Per abordar eficaçment aquestes incineracions, líders sanitaris, responsables de política i investigadors han de moure més enllà de mitjanas i examinar els patrons estrets dins estadístiques agregades. Aquí és on [[FLT: 0] Les dades disagritucions [[[FLT: 1] es converteixen en indispensable. La difusió és el procés de trencar dades de salut en subgrups de raça, erotnics, l' edat, el sexe, l' ensenyament, la geografia, el nivell de l' educació, i altres variables detifultomulars que podrien revelar les discernacions que d' altra manera podrien ser invisible. Sense aquestes operacions tan grans, les quals no poden arribar a la població en la majoria de les necessitats.

Aquest article explora el paper crític de la disgregresió de dades en la identificació i la diabetis de la manyeigització. Anem a examinar com les exposen innegrecions ocultes, discutir mètodes per recollir i analitzar les dades, revisar els estudis d'èxit, i els passos pràctics per integrar dades desintegració en estratègies de salut públiques. Al final, hauria de ser clar que les dades desgregàncies no són només un exercici tècnic sinó un índex moral d' ad' aconseguir una salut oploquabilitat.

Per què emboscacions crítiques de dades Agregades

En primera vista, l' ús de dades agregades com la mitjana nacional predominant la diabetis, sembla eficient. Tot i això, els mitjans poden ser totalment enganyosos. Quan les dades estan molt bé en diverses poblacions, les desigualtats es cancel· laen entre elles. Per exemple, una ciutat amb diabetis del 10%, pot tenir una taxa de 5% en barris blancs afrègits i un 20% en comunitats negres baixes. La figura articulada ombreja ombreja la figura ombreja aquesta diferència, els legisladors que donen lloc a creure que el problema és uniforme quan és més que res més que no sigui.

Considereu una il·lustració del món real: [[FLT: 0] SANA Diabetes Associació [[[FLT: 1] informa que els adults indis/Alskaa tenen l' estat més elevat de la diabetis (14. 7%), seguit de l' associació nominats del cos, hi ha uns pònics (11. 7%) i els subherpanics no americans (7%). Mentre aquests índexs de l' inrevés estan alarmant, una mitjana nacional ocultant la càrrega entre les comunitats indígenes i negre. A més, fins i tot dins de les diferents categories racials, hi ha una variació considerable, per exemple entre els subgrups cís, Puertos, la diabetis xàpans, té una doble part de les diferències molt petita.

Les dades d' egregegació també estan en desparacions de diabetis relacionades amb la diabetis, com les amputacions de menor cost, el fracàs del ronyó i la retotia. La investigació mostra que els pacients negres amb diabetis són 324 vegades més probables que les amputacions més baixes que els pacients blancs, fins i tot després de controlar la malaltia i l' estat d' assegurances. Tot i això, un hospital que només es pot identificar les taxes d' amputació global no poden identificar tan profundes en la inquitaquitatibilitat. La difusió de raça i nicitat és l' única manera de localitzar on es necessiten les intervenció més urgentment.

El rol dels Determinants socials

Les desigualtats Diabetes no són ni biològicament predeterminades; són molt difícils per als determinants de la salut social (OH): ingressos, educació, habitatge, seguretat alimentària, transport i accés a la sanitat. Per exemple, una persona que viu en un desert d' aliment amb accés limitat a la seva diabetis més gran que algú en un barri ben fontat. Les dades de disgresió sovint revelen que la diabetis i les taxes de producció de producció de producció de creixement, la pobresa i l' accés a una alta i baixa atenció primària. Aquesta és una eina potent per a la capacitat d' assignació de recursos.

Dimensions de la clau de la difusió de dades per a les diobetes

La disgregació efectiu requereix recollir i analitzar dades a través de múltiples dimensions. Mentre que la raça i l' atnicitat estan començant els punts comuns, són molt lluny de suficient. Les següents categories són especialment rellevants per a entendre la diabetis desparitats:

Visa, evoltitat i Acontada

Com ja s' ha indicat per sobre, desgregat per grups racials i ètnics, idealment, per subgrups detallats (p. ex., mexicà, Puerto Rica, xinès, vietnamesos) translate a les seves dades de risc diferencial. Els factors Genetics, com els índex més alts de resistència a la insulina en algunes poblacions, interactuant amb factors socials i medi ambient. [[FLT: 0] 00] Els sistemes han de recollir dades d' eronicitat [FLT:] per habilitar l' anàlisi significatiu.

Localització geogràfica

Les dues diaccions van variar radicalment per regió, estat i fins i tot barri. El CDC8TE [[FLT: 0]Desabètiques el sistema de vigilància [[FLT: 1] proporciona estimacions al país que mostren les característiques de les calentes al sud- sud-est i Appalach. Disagació per urban, suburbis, locals i estat rural: les barreres rurals com les que es limiten a les distàncies i més llargues.

Estat de l'econòmic

La població dels claudàtors és 2483 vegades més probable que tinguin diabetis que aquests sistemes de pobresa o d'influència per a la salut i per a la qual els programes de gestió socioeconòmics puguin identificar quin suport socioològica necessiten un objectiu, com ara la diabetis autodisposada.

Edat i sexe

Les dones poden experimentar complicacions més importants de les malalties cardiovasculars associades amb diabetis. Disgresant per grup d' edats (p. ex. 18 dígits44, 4564, 65+) i el sexe habilita una major complicació de les recomanacions de projecció i protocols de tractament.

Estat de l' accés i de l'assegurança de salut

Els individus foradeterns i baixos són menys probables per rebre una projecció regular, una medicació consistent i una preocupació evitativa. La diabetis es basa en el tipus d' assegurances (redir, Metge, ni segur) revela com les barreres de salut del sistema contribueixen a les desparitats. Per exemple, la gent de la Metge sovint va introduir els proveïdors de cara a l' escassetat i els costos d' alta de bipongs fins i tot amb cobertura.

Factors culturals i idioma

El desenvolupament de la proficiència anglesa (LEP) està associat amb els resultats d'alfabetització de salut i diabetis més pobres, independentment de la llengua primària parlada pot guiar el desenvolupament dels materials educatius culturals i lingüístics i els serveis d'intèrpreciament apropiats.

Com dades no identificades ino tipificacions ocultes

El poder de la disgregació resideix en la seva capacitat per als patrons de superfície que involucren les dades que s' obscuren. A continuació hi ha diversos exemples de formigó de com la disgresió ha descobert les desparacions crítiques i han portat a terme accions específiques.

Exemple 1: Disgresió de raça en els percentatges de pantalla

Un sistema de salut comunitari va agregar la diabetis i va trobar que eren a les seves taxes de projecció de diabetis i que es trobaven al 75% de tot el món de l'impertament acceptable. Tot i que, quan les dades es descentralitzaven per raça, els pacients negres i hispans van fer índex de projecció de 58% i 6%, respectivament. L' anàlisi del barri mostra que les clíniques de manera predominen el 20% d' un any i les comunitats d' hispans. Això va demanar que el sistema de salut col· lapses de subtés unitats de mòbils i durant les zones de nit en aquestes àrees, l' augmentés índex de projecció d' un 20 per cent d' any.

Exemple 2: interseqüència i ingressos

Els investigadors de salut públics en un estat d' anàlisi de diabetis de l'estat occidental que van fer servir tant d'edat com d'ingressos. Van trobar que adults baixos d' adults amb un almirall 4564 tenien una taxa d' hospitalització per a adults amb poca població (DKA) que era tres vegades més alta que els seus ingressos més alts en el mateix període d' edat. Aquesta idea va portar a un programa objectiu que proporcionava pansions lliures i telematàries per a adults baixos i baixos. DKA admissió de 35% en el grup d' intervenció durant 18 mesos.

Exemple 3: Idioma com a barrari

Un sistema hospital que compleix una població de parla vietnamites es va adonar que les visites d'emergència relacionades amb diabetis eren molt més altes entre els pacients vietnamites, comparades amb pacients anglesos, fins i tot quan controla la complexitat mèdica.

Pass de tàctica per a implementar les dades Disgregació

En moure' s de la intenció de practicar requereix canvis sistemàtiques en la col· lecció de dades, anàlisi i ús. Els següents passos proporcionen un mapa de carreteres per a organitzacions de salut, departaments de salut públics i grups comunitaris.

1. Estàndardització de dades de demostracióName

Per a realitzar desagulació, primer necessiteu informació d' alta qualitat, demografia, de gran qualitat. Això significa que aneu més enllà de l' típic acudit acuditequista/ Ethètica, konte, body, deixa caure aquest tros de l' ageshis o tots els asiàtics en una categoria. Useu categories detallades que reflecteixen la població local de l' Òrcli.g. Per als pacients asiàtics, inclou subgrups com ara xinès, Ipshow, índies, coreana. [[FD0:] Cotitueix dades en variables addicionals com ara ingressos, educació, llengua primària i idioma. [F1: 2- 2- 2- 2- 2- 2- 2- 2- 2- 2- 2- 2- 2- 2- 2- 2- ho tot això es fa en una col· lecció cultural, explica per a explicar per què és important la millora dels pacients.

2. Construeix una capacitat analític

La difusió requereix mètodes estadístics que puguin gestionar petites mides de mostra sense comprometre la privacitat. Per a subgrups molt petits, considereu les dades de difusió al llarg del temps o usant les baes o usant els punts de suavitzat per a generar estimacions estables. Els analistes de dades dels trens en tècniques com l' anàlisi staratitzada, la regressió i el model multi- nivell. Les eines de codi obert com R i el Python, combinades amb paquets per a petites dimensions d' espai en el temps, són instrubles.

3. Crea vistes que expliquen la història

No és suficient per a les dades; s' ha de comunicar efectivament. Useu mapes de calor (geogragragration), gràfics de barres agrupades (traça per resultat), i taules saturades per ressaltar les desparitats. Els taulers que permeten als usuaris filtrar per a la gestió de decisions pot assolir els responsables de la composició. El projecte de CDCOS SkinstS és un model excel· lent: proporciona un nivell d' estimació de diabetis i d' altres condicions cròniques, descentralades per raça i pobresa.

4. Comunitats de Roma a Interpretació

No hauria de passar res en un buit de dades. Els membres de la comunitat involutiva i líders de confiança en interpretar les solucions i la co-signació. La seva experiència viva proporciona context que no pot transmetre els números crus. Per exemple, un consell de serveis comunitaris pot explicar que els índexs de projecció baixos en un codi postal es deu a falta de transport, no de consciència.

5. Dades d' enllaç a l' acció

La difusió només és valuosa si funciona. Desenvolupeu un procés clar per convertir les desparitats identificades en operacions alternatives. Això pot implicar tots els recursos de localització (confinició, personal, equip) per a cobrir àrees, revisar protocols clínics (p. ex., oferint assistència a casa als pacients desbloquegits de casa) o a la defensa de canvi de política (p. ex., l' expansió de la Metge per cobrir els programes d' educació). Establiu un objectiu i un progrés sobre el temps emprant les mateixes dades desintegració.

Superint- vos als Barrars de dades Disgresió de dades

Malgrat els seus beneficis, les dades desregegen la seva cara diversos reptes.

Qualitat de dades i compleció

Molts sistemes de salut tenen dades incompletes o incompletes. Els pacients poden ser registrats com a OggID, EXACT o identificador de la raça/ factentèria. [[FLT: 0] Inst] conté un entrenament per a personal de registre [[FLT: 1] i usar els registres de salut electrònics per recollir dades que usen preguntes validades, estandarditzada o educació, que són més sensibles, usar mesures de consulta com ara característiques del barri amb el cens (regament basats en l' espai) quan les dades individuals no estan disponibles.

Mida de la mostra i les preocupacions de privadesa

Quan les dades estan trencades en molts petits subgrups, els números per a algunes cel· les poden ser massa petites per a informar sense arriscar la identificació dels individus. En aquests casos, agregant el temps (pha. ex., combinant múltiples anys de dades) o usar categories més amples (p. ex., combinar diversos subgrups asiàtics petits). Assegureu- vos amb < href=" http://www. hh.gopha/ index. html destí=" nowher" reopen=" norferir">AAA/> i altres regulacions de privacitat; no conten amb 10.

Resistència a les descongències de l'achonització

Algunes organitzacions poden ser reticents a destacar les desigualtats perquè tenen por dels danys reputació o d' exposició legal. Tot i això, la transparència és una pedra angular de la força sanitària. Les desigualtats que es poden fer servir com a un problema systemic (no és un fracàs de proveïdors individuals) i la millora de la missió de l' assistència pot ajudar a superar la resistència. Moltes iniciatives amb èxit han compartit les seves dades des Nanburges com a compromís per millorar.

Restriccions de recurs

La disagulació vol dir que requereix temps, experiència i tecnologia. Per a organitzacions petites, les aliances amb institucions acadèmiques o agències de salut públiques poden proveir suport analític. Addicionalment, usant dades de nivell estatal (p. ex., les enquestacions de salut) poden complementar dades internes. La inversió està justificada pel potencial de reduir el cost, prevenir complicacions i millorar la població de la salut.

Estudis de casos: històries d'èxits en Diabetes Data Disgagrement

Estudi de casos 1: El Departament de Salut NYC A1c Registry

El Departament de Salut i Hygiene de Nova York va crear un registre A1c per a persones amb diabetis, amb resultats d'enllaç de laboratori amb la població demogràfiques. En la desgregamentada per un nivell de consciència i de pobresa del barri, el departament identificat que els mitjans més alts d' A1c, es van concentrar en els voltants del Bronx i de Brooklyn centralment amb una població alta i gran. La comunitat va desplegar treballadors sanitaris a aquells barris, oferint a la gestió de les classes d' auto- administració i les classes de control. [F0:], la mitjana d' aquests dos barris van disminuir el 0. 5 punts i els quals superava la riquesa.

Estudi de casos 2: prevenció dels indis Nadius American Diabethouse a Oklahoma

Oklahoma Òpera índies Servei de Salut va utilitzar dades descentralitzades per a identificar la Nació cherokee com a una taxa de diabetis particularment alta comparada amb altres grups tribals de l'estat. La parella amb líders tribals van llançar un programa cultural de la prevenció de l'Abtegrate que va incorporar el llenguatge cherokee, el tradicional menjar i la comunitat. Una avaluació desenginyeria desnutrició mostra que va perdre una mitjana de pes del 5%, i el programa va reduir la diabetis de 28% durant dos anys. L'èxit de la base de dades que van identificar la comunitat tribal que més necessitava la intervenció.

Estudi de casos 3: Kaiser Permanentes-Estratització de qualitat Metrics Metrics

Kaiser Permanent, un gran sistema de sanitat integrat, va començar a mètriques de qualitat (p. ex., control de diabetis, exàmens retinal, exàmens de peu) per raça, eronics i llenguatge a mitjans de 2000,. Inicialment, les dades van mostrar que els membres del Black i l' epilèptic eren menys probables per trobar objectius de control de la diabetis. En resposta, els Kaiser implementats a tot el sistema, incloent les crides en una cursa cultural, adaptant- se a les clíniques d' alta forma es van distribuir a través de les zones del barri. Per exemple, les dades van ser distribuïts per sobre d' una dècada, [FLT: 0: la diabetis racial en el control estret des del 10% a través del 3%[ 1]. La clau normal, s' informava de dades no importades públicament.

Les organitzacions de política: com poden formar dades no modificades,

La disgregació de dades no és només una eina per als proveïdors de sanitat; també informa les decisions polítiques d' alta qualitat. Per exemple, les decisions de política Diabtes de prevenció i control a escala federal podrien ser més objectius si requerides per a la publicació desinstal· lació dels subgrups d' alta potència. De manera similar, els programes de consulta d' estat de la fusió poden usar models desinstal· lació desinstal· lats per crear models de pagament basats en la recompensa que poden reduir les desigualtats. Les estadístiques [FLT:] Diabet d' error [F1: L' informe de CDC] ja proveeix algunes dades de subgrups, però més grans (pex;, subagrupacions asiàtics) permeten finançar- se més efectivament.

La política també pot abordar la infraestructura de dades. La Llei del segle XXI i els intercanvis d' informació de la salut regional (HIE) poden fomentar la col· lecció de determinants socials estàndard de dades de salut, incloent- hi la raça, l' atnicitat i el llenguatge. Alguns estats, com Califòrnia i Washington, han passat lleis que requereixen desgres de dades de salut per a la població d' Àsia i Òsiana de l'illa de Hawaii/Pacifiar. Aquestes accions legislatives creen un cicle virològic: millors dades porta a una intervenció millor, que genera dades que puguin defensar la inversió.

De dades a Equity

Les desigualtats de Diabes són un exemple dur de com la inqüència del sistema manifesta en resultats sanitaris. Tot i això, aquestes desigualtats no són inevitables. Les dades disgregàncies són una lent poderosa que revela els contorns necessaris d' inèquitabilitat, l' habilitació d' accions específiques, eficaçs. Ens mou més enllà de la ficció de l' uniforme i cap a la cura de la comunitat personalitzada, la comunitat i la competència.

Però només les dades no són suficients. S'ha d'utilitzar amb voluntat política, compromís amb la comunitat i recursos sostinguts. Les organitzacions de salut que accepten la disgresió i la publicació a actuar en el que troben l' raó de reduir les diabetis, millorar la qualitat de vida, i salvar vides entre grups demogràfiques. El camí a la salut comença a veure amb claredat. Les dades disgregació ens donen aquesta visió.

Si la vostra organització encara no ha integrat dades dis-grafiness en la diabetis, comença petita. Trieu una dimensió de la COMPAture, AtxyA i examineu una mètriques clau, com ara el control A1c o l' ús de departament d'emergència. Podeu sorprendre' t amb el que descobreixis. I una vegada veieu la disparitat, podeu començar a enviar- la. Cada pas cap a granular és un pas cap a la justícia.