A geographic assessment of ‘total’ health care supply in Ontario: complementary and alternative medicine and conventional medicine
Notice bibliographique
Résumé
Shortages of family physicians, specialists and other personnel working within the realm of conventional medicine (CM) concern citizens in many regions and municipalities in Canada. Complementary and alternative medicine (CAM) approaches (such as chiropractic, holistic, homeopathic, naturopathic, massage and acupuncture) are increasingly used in conjunction with, or in some cases as replacements for, conventional medicine. Thus, to get an idea of ‘total’ health care supply in a jurisdiction and to draw comparisons between locations, it is useful to understand the spatial tendencies of both CM and CAM offices. With the use of a sample that contains the location, employment and sales of 4,955 CAM and 8,709 CM offices, this study details the spatial patterns of health care supply in the Canadian province of Ontario. The analysis comprises three main parts. First, the geographic tendencies of CAM and CM office activity are revealed in per capita terms and while regional differences are detectable, the main contrast is that CAM displays a much more even distribution across the urban‐rural continuum in comparison to CM. Second, through the use of location quotients and a local spatial autocorrelation analysis, it is shown that certain municipalities (especially in Ontario's southwest and south‐central regions) specialize in CAM and the most outstanding spatial feature is an ‘81 municipality CAM cluster’ that represents arguably the pinnacle of CAM activity in the province. CM specialization is rarer and is biased towards the more populated municipalities. Third, a Spearman's correlation analysis suggests that CAM and CM health care supply are associated with community well‐being indictors and urban density measures .
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».