Unmet health care needs of older people: prevalence and predictors in a French cross-sectional survey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Unmet health care needs are associated with negative health outcomes, yet there is a paucity of data on this problem among older people. OBJECTIVE: To identify unmet health care needs and associated factors among older people in France. METHODS: This is a cross-sectional population study of people aged 70 years or older in which 2350 respondents were interviewed in 2008-10. During a standardized interview, a nurse examined health problems, functional abilities and use of health care resources. Unmet health care needs were defined as situations in which a participant needed health care and did not receive it. RESULTS: The mean age was 83.2 ± 7.4 years. Almost all participants reporting a chronic disease (98.6%) had consulted a physician in the previous 6 months. Unmet health care needs were found in 23.0% of the sample and mainly consisted of lack of dental care (prevalence of 17.7%), followed by lack of management of visual or hearing impairments (prevalence of 4.4% and 3.1%, respectively). Age was the main factor associated with unmet health care needs [compared with people aged 70-79: odds ratio80-89 years = 2.26 (1.70-3.03), odds ratio90 years and over = 3.85 (2.71-5.45)]. Other associated factors were regular smoking, homebound status, poor socioeconomic conditions, depression, limitations in instrumental activities of daily living and low medical density. CONCLUSION: Unmet health care needs affect almost one-quarter of older people in France. Efforts should be made to improve oral health and develop home care, especially for the oldest-olds.
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.
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 | 0,018 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle