Registration for public drug benefits across areas of differing ethnic composition in British Columbia, Canada
Notice bibliographique
Résumé
BACKGROUND: In 2003, the government of British Columbia, Canada introduced a universal drug benefit plan to cover drug costs that are high relative to household income. Residents were required to register in order to be eligible for the income-based benefits. Given past research suggesting that registration processes may pose an access barrier to certain subpopulations, we aimed to determine whether registration rates varied across small geographic areas that differed in ethnic composition. METHODS: Using linked population-based administrative databases and census data, we conducted multivariate logistic regression analyses to determine whether the probability of registration for the public drug plan varied across areas of differing ethnic composition, controlling for household-level predisposing, enabling and needs factors. RESULTS: The adjusted odds of registration did not differ across regions characterized by high concentrations (greater than 30%) of residents identifying as North American, British, French or other European. Households located in areas with concentrations of residents identifying as an Asian ethnicity had the highest odds of program registration: Chinese (OR = 1.21, CI: 1.19-1.23) and South Asian (OR = 1.19, CI: 1.16-1.22). Despite this positive finding, households residing in areas with relatively high concentrations of recent immigrants had slightly lower adjusted odds of registering for the program (OR = 0.97, CI: 0.95-0.98). CONCLUSIONS: This study identified ethnic variation in registration for a new public drug benefit program in British Columbia. However, unlike previous studies, the variation observed did not indicate that areas with high concentrations of certain ethnicities experienced disadvantages. Potential explanations are discussed.
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 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».