The increasing burden and complexity of multimorbidity
Notice bibliographique
Résumé
BACKGROUND: Multimorbidity, the co-occurrence of two or more chronic conditions, is common among older adults and is known to be associated with high costs and gaps in quality of care. Population-based estimates of multimorbidity are not readily available, which makes future planning a challenge. We aimed to estimate the population-based prevalence and trends of multimorbidity in Ontario, Canada and to examine patterns in the co-occurrence of chronic conditions. METHODS: This retrospective cohort study includes all Ontarians (aged 0 to 105 years) with at least one of 16 common chronic conditions. Descriptive statistics were used to examine and compare the prevalence of multimorbidity by age and number of conditions in 2003 and 2009. The co-occurrence of chronic conditions among individuals with multimorbidity was also explored. RESULTS: The prevalence of multimorbidity among Ontarians rose from 17.4% in 2003 to 24.3% in 2009, a 40% increase. This increase over time was evident across all age groups. Within individual chronic conditions, multimorbidity rates ranged from 44% to 99%. Remarkably, there were no dominant patterns of co-occurring conditions. CONCLUSION: The high prevalence of multimorbidity and numerous combinations of conditions suggests that single, disease-oriented management programs may be less effective or efficient tools for high quality care compared to person-centered approaches.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».