Determining use of preventive health care in Ontario: comparison of rates of 3 maneuvers in administrative and survey data.
Notice bibliographique
Résumé
OBJECTIVE: To examine rates of influenza vaccination, mammography, and Papanicolaou smear by comparing data obtained from the Ontario Health Insurance Plan administrative database with rates as self-reported in the Canadian Community Health Survey. DESIGN: Retrospective cohort study using data from Statistics Canada's 2000-2001 Canadian Community Health Survey and from the Ontario Health Insurance Plan administrative database for the same period. SETTING: Ontario. PARTICIPANTS: Those aged 12 and older who had received influenza vaccination, women aged 35 or older who had had mammograms within the past 2 years, and women aged 18 or older who had had Pap smears within the past 3 years who were surveyed during the Canadian Community Health Survey in 2001. MAIN OUTCOME MEASURES: Rates of influenza vaccination, mammography, and Pap smear in Ontario's 14 Local Health Integration Networks by network, age group, and socioeconomic status. RESULTS: Rates varied by health network. Analysis by age showed that influenza vaccination rates increased with age and peaked among those 75 and older. Rates of mammography screening increased with age but dropped substantially among those 75 and older. Rates of Pap smear peaked among those 20 to 39 and decreased with increasing age. Rates of mammography and Pap smear increased with rising socioeconomic status, but influenza vaccination rates did not differ substantially by socioeconomic status. Rates for all 3 preventive maneuvers were lower in the Ontario Health Insurance Plan data than in the self-reported Canadian Community Health Survey data. CONCLUSION: There are obstacles to finding out the true rates of preventive health care use in Ontario. We need to ascertain these rates in order to establish a criterion standard for delivery of these services. Development of programs to target specific geographic locations, socioeconomic classes, and high-risk groups are needed to increase the overall use of preventive health services in Ontario.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».