Predictors of Family Physician Use Among Older Residents of Ontario and An Analysis of the Andersen-Newman Behavior Model
Notice bibliographique
Résumé
RÉSUMÉ Les données sur l'utilisation des médecins de famille par les personnes âgées (65 ans et plus) de l'Enquête sur la santé en Ontario (1990) nous ont permis d'examiner les variables prédictives de leur utilisation selon les groupes d'âge et le sexe. À l'instar des études antérieures, les variables prédictives les plus importantes étaient le nombre de problèmes de santé et la perception de l'état de santé. Toutefois, en dépit des efforts en vue d'améliorer la force prédictive du modèle de comportement Andersen-Newman, ces variables n'ont expliqué que 29 pour cent de la variation de l'utilisation des médecins de famille lorsque le modèle a été appliqué aux personnes âgées interrogées dans le cadre de cette enquête. En outre, le niveau de variation expliqué est demeuré relativement bas lorsque des analyses ont été effectuées selon les groupes d'âge et le sexe. Bien que ce modèle de comportement soit le cadre conceptuel le plus fréquemment utilisé, la présente étude suggère qu'il n'est peut-être pas le plus approprié pour l'examen de l'utilisation des médecins de famille par les personnes âgées au Canada.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,004 | 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 ».