Association of socio-economic status with diabetes prevalence and utilization of diabetes care services
Notice bibliographique
Résumé
BACKGROUND: Low income appears to be associated with a higher prevalence of diabetes and diabetes related complications, however, little is known about how income influences access to diabetes care. The objective of the present study was to determine whether income is associated with referral to a diabetes centre within a universal health care system. METHODS: Data on referral for diabetes care, diabetes prevalence and median household income were obtained from a regional Diabetes Education Centre (DEC) database, the Canadian National Diabetes Surveillance System (NDSS) and the 2001 Canadian Census respectively. Diabetes rate per capita, referral rate per capita and proportion with diabetes referred was determined for census dissemination areas. We used Chi square analyses to determine if diabetes prevalence or population rates of referral differed across income quintiles, and Poisson regression to model diabetes rate and referral rate in relation to income while controlling for education and age. RESULTS: There was a significant gradient in both diabetes prevalence (chi2 = 743.72, p < 0.0005) and population rates of referral (chi2 = 168.435, p < 0.0005) across income quintiles, with the lowest income quintiles having the highest rates of diabetes and referral to the DEC. Referral rate among those with diabetes, however, was uniform across income quintiles. Controlling for age and education, Poisson regression models confirmed a significant socio-economic gradient in diabetes prevalence and population rates of referral. CONCLUSION: Low income is associated with a higher prevalence of diabetes and a higher population rate of referral to this regional DEC. After accounting for diabetes prevalence, however, the equal proportions referred to the DEC across income groups suggest that there is no access bias based on income.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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 ».