Socioeconomic status and risk of hospitalization among individuals with cystic fibrosis in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Socioeconomic status (SES) is a strong predictor of outcomes in cystic fibrosis (CF); however, there are no published studies evaluating this relationship in Canadians with CF. The objective of this study was to assess the effect of SES on annual hospitalization rates in a large cohort of pediatric and adult CF subjects under a universal health care system. METHODS: A population-based longitudinal study was completed in Ontario from 1993 to 2002 using a comprehensive CF registry containing patient-level data, linked to provincial health care administrative databases. Income quintiles were derived at the neighborhood level using postal code information and Statistics Canada census data. The effect of income quintile on the annual hospitalization rate for respiratory-related illness was estimated by Poisson regression using generalized estimating equations, and was expressed as a rate ratio (RR) and 95% confidence interval (CI). The analysis was adjusted for age, sex, lung function, nutritional status, the presence of diabetes, area of residence, and distance between the subject's residence and the reporting CF centre. RESULTS: A total of 1,174 participants over the age of 6 years contributed 8,444 patient-years of data. No statistically significant differences in annual hospitalization rates for respiratory-related causes were found between the lowest and highest income quintiles (adjusted RR 1.17 [95% CI 0.96-1.43]). The effect of income quintile remained non-significant across a majority of markers of CF disease severity and across a range of subgroups. CONCLUSIONS: After adjusting for important covariates, no SES-disparities in hospitalization rates were found in a large Canadian pediatric and adult CF cohort. It may be the distinctive combination of universal health care, a national network of specialty CF clinics, and drug and travel coverage available in Ontario that results in similar hospitalization rates regardless of SES.
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 | 0,000 | 0,002 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».