The association between quality of primary care, deprivation and cardiovascular outcomes: a cross-sectional study using data from the UK Quality and Outcomes Framework
Notice bibliographique
Résumé
BACKGROUND: The Quality and Outcomes Framework, a financial incentive scheme for general practitioners in the UK, seems to have improved the quality of primary care and reduced inequalities in primary care delivery. It remains unclear, however, whether higher-quality primary care improves health outcomes or reduces health inequalities. METHODS: We conducted a cross-sectional study examining the association between quality of cardiovascular care and coronary heart disease (CHD) outcomes in 1531 general practices in London. We calculated CHD quality achievement scores (ranging from 0 to 100) for each practice using the 2006-2007 data from the Quality and Outcomes Framework. We used weighted linear regression models to assess the practice-level association between the CHD quality score and CHD admissions and deaths. FINDINGS: Overall, practices with higher CHD quality achievement scores had better CHD outcomes. Each one point increase in the CHD quality achievement score was associated with 4.28 (95% CI 1.19 to 7.38; p=0.007) fewer admissions per 100,000 for practices serving highly deprived populations and 2.11 (95% CI 0.68 to 3.55; p=0.004) fewer admissions per 100 000 for practices serving populations of average deprivation. There was no association between the CHD quality achievement score and the CHD admissions for practices serving affluent populations (p=0.906). We observed a similar deprivation-dependent gradient between quality achievement and CHD deaths. INTERPRETATION: High-quality primary care is associated with improved health outcomes. This association is strongest in deprived areas, suggesting that high-quality primary care may play an important role in reducing health inequalities.
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 | 0,125 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,007 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».