MétaCan
Menu
Retour à la cohorte
Enregistrement W2026268286 · doi:10.2202/1558-9544.1160

Comparing Health of People with Heart Disease in the United States and Canada

2009· article· en· W2026268286 sur OpenAlexaboutno aff
Alexis Pozen, David Cutler

Notice bibliographique

RevueForum for Health Economics & Policy · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNational Health Interview SurveyMedicineLogistic regressionGerontologyHeart diseaseDiseaseOdds ratioOddsDemographyHealth and Retirement StudyHealth careEnvironmental healthPopulationInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Heart disease is among the leading causes of death in the U.S. and Canada. Despite the U.S.'s higher spending on health care, it is unclear whether persons with heart disease fare better in one country or the other.Methods: To evaluate and compare the health of people aged 45 and older in the U.S. and Canada, we drew upon the Joint Canada-U.S. Survey of Health (JCUSH), a random telephone interview conducted from 2002 to 2003. We used self-reported fair or poor health, disability, and functional impairment as dependent variables in logistic regressions, which controlled for demographic variables and other risk factors.Results: Adjusting for covariates, Canadian respondents with heart disease reported better health as measured by disability, but there was no difference for functional impairment or self-reported fair or poor health. The odds ratios (Canada:U.S.) were 1.10 (p=0.69) for fair or poor health, 0.56 (p=0.06) for disability, and 0.78 (p=0.32) for functional impairment.Conclusions: Our results indicate that people with heart disease are in better health in Canada as measured by disability, but there is no difference for overall self-reported health or functional impairment. Further research must be done to determine the cause of outcomes differences among heart disease patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,779
Score d'incertitude au seuil0,608

Scores Codex et Gemma par catégorie

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

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 Opus0,035
Tête enseignante GPT0,288
Écart entre enseignants0,253 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations4
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForum for Health Economics & PolicyMême sujetHealthcare Policy and ManagementTravaux en français237 207