Trends in health services utilization, medication use, and health conditions among older adults: a 2-year retrospective chart review in a primary care practice
Notice bibliographique
Résumé
BACKGROUND: Population aging poses significant challenges to primary care providers and healthcare policy makers. Primary care reform can alleviate the pressures, but these initiatives require clinical benchmarks and evidence regarding utilization patterns. The objectives of this study is to measure older patients' use of health services, number of health conditions, and use of medications at the level of a primary care practice, and to investigate age- and gender-related utilization trends. METHODS: A cross-sectional chart audit over a 2-year study period was conducted in the academic family practice clinic of Sunnybrook Health Sciences Centre in Toronto, Ontario, Canada. All patients 65 years and older (n = 2450) were included. Main outcome measures included the number of family physician visits, specialist visits, emergency room visits, surgical admissions, diagnostic test days, inpatient hospital admissions, health conditions, and medications. RESULTS: Older patients (80-84 and 85+ age-group) had significantly more family physician visits (average of 4.4 visits per person per year), emergency room visits (average of 0.22 ER visits per year per patient), diagnostic days (average of 5.1 test days per person per year), health conditions (average of 7.7 per patient), and medications average of 8.2 medications per person). Gender differences were also observed: females had significantly more family physician visits and number of medications, while men had more specialist visits, emergency room visits, and surgical admissions. There were no gender differences for inpatient hospital admissions and number of health conditions. With the exception of the 85+ age group, we found greater intra-group variability with advancing age. CONCLUSION: The data present a map of greater interaction with and dependency on the health care system with advancing age. The magnitudes are substantial and indicate high demands on patients and families, on professional health care providers, and on the health care system itself. There is the need to create and evaluate innovative models of care of multiple chronic conditions in the late life course.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| 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 | 0,001 | 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 ».