Trends in socioeconomic disparities in health care quality in four countries
Notice bibliographique
Résumé
OBJECTIVE: To provide a targeted portrait of socioeconomic disparities in health care quality in four countries and how those disparities have changed over time. DESIGN: Within each country, comparisons between the highest and lowest quintiles of socioeconomic status were made to determine if disparities exist and if any observed disparities have been decreasing over a 5-year period. SETTING: Small geographic areas in Canada, England, New Zealand and the United States. DATA SOURCES: Data were obtained by working with national health statistics agencies in each country. RESULTS: There were socioeconomic disparities in health care quality and health status for most of the indicators studied in all four countries. The analysis included nine quality indicators in four countries, for a total of thirty-six observations. Twenty-six observations had a ratio of highest to lowest socioeconomic quintile of <0.95 or >1.05. These disparities generally persisted over time. The relative difference between the highest and lowest quintile decreased over time in eight of the twenty-one observations with time-series data available. CONCLUSION: The fact that disparities in a variety of indicators exist in four very different health systems underscores the importance of factors common to the four systems or factors outside the health system. Some successful strategies for reducing disparities could potentially be learned from the few examples of success in these countries.
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 | 0,015 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».