Health resource use in epilepsy: Significant disparities by age, gender, and aboriginal status
Notice bibliographique
Résumé
PURPOSE: Epilepsy imposes a significant burden on society. The objective of this study was to estimate health resource utilization (HRU) over a 1-year period in epilepsy patients, using administrative databases. METHODS: Three administrative databases (inpatient, emergency, and physician claims) were used to identify epilepsy cases. HRU variables included general physician (GP) and emergency (ER) visits, physician billings, hospitalizations, and length of stay (LOS). Logistic regression was used to determine the association between demographic variables and HRU variations. RESULTS: Among the 1,431 patients with a mean age of 37.5 +/- 17.3 years, 56 (4%) were aboriginal. Ninety-six percent of patients saw a GP or a specialist (outpatient visit), 12% were hospitalized, and 8% visited the ER. Younger patients were more likely to see a neurologist (OR = 1.7, 95% CI 1.3-2.3), visit the ER (OR = 4.9, 95% CI 3.2-7.4), or be hospitalized (OR = 2.9, 95% CI 2.0-4.3). Females were less likely to see a GP but more likely to see a neurologist. Aboriginals were more likely than nonaboriginals to visit the ER (OR = 2.3, 95% CI 1.1-5.0) or be hospitalized (OR = 2.8, 95% CI 1.5-5.1) but less likely to see a neurologist (OR = 0.3, 95% CI 0.2-0.6). Welfare status and residence location (urban vs. rural) were not associated with HRU level. DISCUSSION: We demonstrated the feasibility of using administrative databases to assess HRU in epilepsy. We also uncovered disparities in HRU by age, gender, and by aboriginal status, suggesting possible internal or external barriers to specialized care in some groups.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».