《Research in Nursing & Health》:Racial and Ethnic Differences in Nonresponse Rate to Experiences of Discrimination: A Secondary Analysis of the nuMoM2b Dataset
编辑推荐:
歧视导致产妇死亡率和发病率的种族和民族差异,造成人类和经济负担。然而,歧视难以准确测量。关于歧视经历的无应答偏倚以及如何减轻这种影响以获得更完整的信息,围产期文献中很少发表。在这项对初产妇妊娠结局研究:监测准妈妈(nuMoM2b)的二次分析中,研究人员使用歧视
歧视导致产妇死亡率和发病率的种族和民族差异,造成人类和经济负担。然而,歧视难以准确测量。关于歧视经历的无应答偏倚以及如何减轻这种影响以获得更完整的信息,围产期文献中很少发表。在这项对初产妇妊娠结局研究:监测准妈妈(nuMoM2b)的二次分析中,研究人员使用歧视经历量表(EOD)来检查医疗护理期间关于种族或民族歧视问题的缺失回答。研究人员将回答分类为“是”、“否”或“无应答”。自变量包括种族和民族认同、年龄、身体质量指数(BMI)、教育和贫困水平。Logistic回归估计了无应答的几率。在9289名参与者中,121名(1.3%)报告歧视,8598名(92.6%)报告无歧视,570名(6.1%)未应答。在最终调整模型中,种族和民族认同是无应答的唯一统计显著预测因子(p<0.001)。与最多的种族群体非西班牙裔白人参与者相比,西班牙裔参与者的无应答几率是1.8倍[95% CI: 1.3–2.3],非西班牙裔黑人参与者的无应答几率是1.6倍[95% CI: 1.1–2.2]。当最可能经历歧视的个体同时最不可能披露时,可能导致无应答偏倚,从而低估患病率并掩盖受影响最严重者的真实经历。了解患者体验调查中无应答的预测因子可以通过参与者招募、调查设计、执行和解释来改进歧视的测量。
### 论文解读:种族和民族在歧视经历无应答率上的差异——基于nuMoM2b数据集的二次分析
**研究背景与问题**
在美国,孕产妇健康结局中的种族和民族不平等构成持续性的公共卫生危机。2024年,孕产妇死亡率为每10万活产17.9例,其中非西班牙裔黑人女性高达44.8例,是非西班牙裔白人女性(14.2例)的三倍以上。每例孕产妇死亡对应约100例严重孕产妇并发症,单一年度出生队列的医疗与社会成本高达323亿美元,并延续至产后5年。超过80%的妊娠相关死亡被认为可通过及时、高质量护理预防。然而,产前护理中的歧视和虐待与护理获取的不平等相关。在2010–2016年美国分娩人群的大型全国调查中,每六名女性中就有一人报告至少一种形式的产科工作人员不当对待(如被责骂、忽视或威胁),有色人种女性报告不当对待的可能性显著高于白人女性,尤其在面临社会经济挑战时更加突出。产科环境中感知到的种族或民族歧视与早产和低出生体重风险升高相关,并可能侵蚀患者与提供者之间的信任,导致治疗依从性降低、护理利用减少以及致命性的延迟就医。
为理解和减少差异,研究人员必须能准确测量患者的歧视经历,但歧视测量面临方法学挑战。患者特征(包括年龄、体形、教育和社会经济地位)与围产期护理中歧视的经历和报告均相关。然而,关于歧视经历的无应答偏倚及如何减轻其影响以获取更完整的信息,围产期文献中少有发表。无应答偏倚是指未应答者与应答者在系统上存在差异,可能扭曲估计并掩盖受影响最严重者中歧视的真实普遍性。尽管围产期研究中歧视测量的无应答率从低于1%到超过60%不等,但系统性地检查或报告无应答情况仍很罕见。理解无应答的预测因素对于准确解释歧视数据、确保围产期研究反映患者经历的全貌至关重要。
**研究概述**
本研究由Kathryn Kravetz Carr等人进行,论文发表在《Research in Nursing & Health》。研究团队利用初产妇妊娠结局研究:监测准妈妈(nuMoM2b)队列数据集进行二次分析,该数据集包含9289名初产妇(单胎妊娠)的纵向数据,收集于2010年10月至2013年9月,涵盖八个美国临床中心。研究人员旨在:目标1描述医疗护理中种族或民族歧视问题无应答模式的分布,按种族、民族及关键社会人口学特征(年龄、BMI、教育、社会经济地位)分层;目标2通过多变量Logistic回归识别与无应答独立相关的参与者特征。研究假设无应答非随机发生,而是反映潜在差异——更可能面临歧视的参与者也更可能拒绝回答。
**主要关键技术方法**
本研究采用nuMoM2b前瞻性队列数据集(样本量n=9289,来自八个美国临床中心,收集于2010–2013年)。关键方法包括:1)使用歧视经历量表(EOD)的一个条目询问“在医疗护理期间,是否曾因种族、民族或肤色而经历过歧视、被阻止做某事、被骚扰或被贬低?”(Krieger et al.,1990, 2005),回答选项为“是”“否”或“不回答”(无应答);2)通过描述性统计和卡方检验/方差分析比较不同应答类型的参与者特征;3)采用二元Logistic回归(未调整和调整模型)评估各协变量与无应答的关联,调整变量包括年龄、BMI、教育水平和贫困类别,以非西班牙裔白人作为参照组;4)共线性诊断(方差膨胀因子VIF<4)和完整案例分析处理协变量缺失数据。
**研究结果**
**3.1 参与者描述**
在9289名参与者中,多数(n=5595;60.3%)为非西班牙裔白人,平均年龄26.91岁(SD=5.68),平均BMI 26.37(SD=6.34),教育水平普遍较高(超过50%拥有大学及以上学历),69.3%的家庭收入≥200%联邦贫困线(FPL)。
**3.2 按应答类型比较参与者**
多数参与者(8598;92.6%)报告无歧视,121名(1.3%)报告曾经历歧视,570名(6.1%)未应答。所有社会人口学变量在应答组间差异均具统计学显著性(p<0.001),效应量较小(Cramér's V或Cohen's f)。具体而言:
- **种族和民族**:非西班牙裔白人占样本60.3%,但仅占报告歧视者的40%;西班牙裔占样本17%,却占报告歧视者的32%;非西班牙裔黑人占样本13%,占报告歧视者的17%。无应答者的构成更接近报告歧视者:西班牙裔占29.9%,非西班牙裔黑人占19.8%。
- **年龄**:报告歧视组(M=26.77岁,SD=6.01)和无应答组(M=25.96岁,SD=6.27)均比否认歧视组(M=26.98岁,SD=5.63)年轻。
- **BMI**:报告歧视组平均BMI最高(M=28.57,SD=8.15),高于否认歧视组(M=26.31,SD=6.30)和无应答组(M=26.84,SD=6.46)。
- **教育**:教育水平低于大学(高中或以下、副学士/技术学位、部分大学)的参与者占样本约50%,但在报告歧视者中占比72%(87/121),在无应答者中占比59%(337/570);而拥有大学及以上学历的参与者占样本50%,在报告歧视者中仅占28%。
- **经济状况**:报告歧视组的平均%FPL最低(M=228.87,SD=220.40),远低于否认歧视组(M=435.51)和无应答组(M=405.50)。贫困类别分布类似:报告歧视者中37.2%生活在贫困线以下(<100% FPL),而无应答者中该比例为25.2%,均高于样本总体比例16.1%。
**3.3 与无应答相关的因素**
未调整模型显示,种族和民族、年龄、教育、贫困类别均与无应答显著相关(均p<0.001)。以非西班牙裔白人作为参照,未调整的优势比:西班牙裔2.62(95% CI: 2.13–3.21),非西班牙裔黑人2.18(95% CI: 1.72–2.75),亚洲人1.23(95% CI: 0.73–1.93),其他种族1.20(95% CI: 0.76–1.80)。年龄每增加一岁,无应答几率降低3%(OR=0.97, p<0.001);教育水平越高,无应答几率越低(大学学位OR=0.47,超大学OR=0.43);贫困线以下生活者无应答几率增加(<100% FPL的OR=1.79)。
在调整年龄、BMI、教育和贫困类别后,种族和民族认同仍是无应答的唯一显著预测因子(p<0.001):西班牙裔(调整OR=1.75, 95% CI: 1.30–2.33),非西班牙裔黑人(调整OR=1.58, 95% CI: 1.12–2.22),亚洲人(调整OR=1.29, 95% CI: 0.75–2.10),其他种族(调整OR=0.85, 95% CI: 0.47–1.43)。图中显示,西班牙裔和黑人的无应答几率显著高于非西班牙裔白人参照组。
**讨论与结论**
讨论指出,本研究在nuMoM2b数据集的9289名孕妇样本中发现6.1%的无应答率(约是报告歧视率1.3%的四倍),且无应答模式由种族和民族驱动。最终调整模型中,西班牙裔和黑人参与者无应答的几率显著更高,表明无应答并非随机发生(排除完全随机缺失MCAR),而可能属于随机缺失(MAR)或非随机缺失(MNAR)——即那些最可能经历歧视的个体也可能最不愿披露。这一发现与现有文献一致:若最受歧视的群体不报告,就会导致低估普遍性,模糊真实经历。研究强调,无应答偏倚是方法学和解释性的关键挑战,尤其在调查敏感话题时。研究人员必须避免将低报告率解释为歧视罕见,而应主动收集历史污名化群体的数据。研究局限性包括:仅使用单一二分类歧视评估、收入数据缺失率高(18.9%)、数据收集时期(2010–2013)的社会政治背景(如2012年Trayvon Martin事件和Black Lives Matter运动)可能影响披露意愿。未来研究应创建安全包容的披露环境,采用文化敏感语言,提供“不愿回答”选项,加入定性成分理解无应答原因,并报告缺失模式以改进测量。
结论部分翻译:无应答偏倚可能是研究医疗歧视等敏感问题时的重大方法和解释挑战。尤其在种族和民族少数群体中,无应答会限制对歧视经历的准确评估,从而可能扭曲研究发现并低估医疗场景中歧视的普遍性。未来研究人员应继续探索无应答的驱动因素,并制定提高应答率的策略,确保医疗保健研究能够代表全部经历,尤其是边缘群体的经历。