Impact of remote location on quality care delivery and relationships to adverse health outcomes in patients with diabetes and chronic kidney disease
Notice bibliographique
Résumé
BACKGROUND: To investigate the relation of residence location, markers of good quality healthcare and adverse clinical outcomes in patients with diabetes and chronic kidney disease (CKD). METHODS: We identified 31 337 individuals with diabetes and estimated glomerular filtration rate (eGFR) 15-59 mL/min/1.73 m(2) from a population-based cohort (n= 1 278 375) of adults with serum creatinine measured at least once during 2005 or 2006 in Alberta, Canada. The study population was classified into categories based on travel distance by road from residence location to the closest nephrologist: (0-50, 50.1-100, 100.1-200 and >200 km). RESULTS: At follow-up, compared with those living within 50 km, remote dwellers were less likely to visit a nephrologist, less likely to have hemoglobin A1c and urinary albumin measured within 1 year of the index eGFR, and less likely to receive an angiotensin converting enzyme inhibitor, angiotensin receptor blocker or statin (all P < 0.0001). In adjusted models, compared with those with CKD (Stage 3 or 4) living within 50 km, the adjusted likelihood of all-cause hospitalization was [1.4 (95% confidence interval, CI, 1.3-1.6)], [1.3 (95% CI, 1.1-1.6)] and [1.3 (95% CI, 1.2-1.5)]-fold higher for patients living 50.1-100, 100.1-200 and >200 km away from a nephrologist, respectively (P < 0.0001). The hazard ratio of all-cause mortality increased with increasing distance: [1.07 (95% CI, 0.9-1.2)], [1.1 (95% CI, 0.9-1.2)] and [1.2 (95% CI, 1.0-1.4)], respectively (P < 0.0001). CONCLUSIONS: Compared with those living closer to a nephrologist, remote dwellers with diabetes and CKD were less likely to receive recommended quality care, and more likely to experience adverse health outcomes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».