MétaCan
Menu
Retour à la cohorte
Enregistrement W2015866633 · doi:10.1111/j.1475-6773.2006.00683.x

The Relationship between Work Hours and Utilization of General Practitioners in Four Canadian Provinces

2007· article· en· W2015866633 sur OpenAlexaffabout
Deshayne B. Fell, George Kephart, Lori J. Curtis, Kelly M. Bower, Nazeem Muhajarine, Robert J. Reid, Leslíe L. Roos

Notice bibliographique

RevueHealth Services Research · 2007
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensManitoba HealthUniversity of SaskatchewanDalhousie UniversitySaskatchewan HealthUniversity of WaterlooUniversity of ManitobaHealth Canada
Organismes subventionnairesnon disponible
Mots-clésWork (physics)Health services researchMedicineGeographyNursingPublic healthEngineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To assess whether long work hours act as a barrier to accessing general practitioner (GP) services. DATA SOURCES: Secondary data from the 1996/1997 National Population Health Survey (NPHS) and administrative health services utilization data from four Canadian provinces. STUDY DESIGN: This study was cross-sectional, however, employment variables and GP utilization were reflective of the 12-month period preceding the NPHS interview date. Negative binomial regression was used to model the relationship between the number of GP visits in a 1-year period and employment-related variables while adjusting for other determinants of GP utilization including education, income, and health status. DATA EXTRACTION METHODS: NPHS and administrative data were linked to create an analysis file. PRINCIPAL FINDINGS: Subjects with long, standard work hours (>45 hours/week, with most hours during the day) had significantly lower GP utilization rates compared with full-time workers. White-collar workers with long work hours visited a GP significantly less often than white-collar workers with regular hours. CONCLUSIONS: Long work hours may act as a nonfinancial barrier to accessing GP services independent of health status.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,283
Tête enseignante GPT0,540
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Services ResearchMême sujetEmployment and Welfare StudiesTravaux en français237 207