Do Rural Patients in Canada Underutilize Preventive Care for Myocardial Infarction?
Notice bibliographique
Résumé
PURPOSE: The objective of this study was to explore Canadian rural-urban differences in the use of primary and secondary preventive diagnostic services for acute myocardial infarction (AMI)-a condition that is amenable to primary health care prevention efforts. METHODS: We examined primary and secondary preventive care services utilized 2 years prior to a patient's first AMI in a cohort of 30,491 patients in Ontario, Canada, from 2010 to 2012. Using logistic regression, rural-urban differences in lipid testing, glucose testing, stress testing, electrocardiograms, and echocardiograms in middle-age and senior patients were examined. FINDINGS: The odds of rural patients receiving care for primary preventive screening were more than 50% lower than the odds for urban patients, with rural seniors being the most affected. Lipid testing: middle-age OR 0.519 (95% CI, 0.469-0.574), senior OR 0.422 (0.386-0.460); glucose testing: middle-age OR 0.471 (0.426-0.521), senior OR 0.359 (0.328-0.394). The odds of rural patients receiving secondary preventive diagnostic care were also lower than the odds for urban patients, but differences between the age groups were not as apparent. Stress testing: middle-age OR 0.745 (95%CI, 0.642-0.866), senior OR 0.726 (0.643-0.820); electrocardiogram: middle-age OR 0.815 (0.737-0.901), senior OR 0.724 (0.659-0.795); echocardiogram: middle-age OR 0.755 (0.655-0.869), senior OR 0.746 (0.681-0.818). CONCLUSIONS: Study results support ongoing concerns related to health care for rural Canadians by demonstrating underutilization of AMI preventive diagnostic care among rural patients. Rural seniors are most at risk. These results have implications for rural health care as well as seniors' health policy in Canada.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».