Air pollution and general practitioner access and utilization: a population based study in Sarnia, 'Chemical Valley,' Ontario
Notice bibliographique
Résumé
BACKGROUND: Health impacts of poor environmental quality have been identified in studies around the world and in Canada. While many of the studies have identified associations between air pollution and mortality or morbidity, few have focused on the role of health care as a potential moderator of impacts. This study assessed the determinants of health care access and utilization in the context of ambient air pollution in Sarnia, Ontario, Canada. METHODS: Residents of Sarnia participated in a Community Health Study administered by phone, while several ambient air pollutants including nitrogen dioxide (NO2), sulphur dioxide (SO2) and the volatile organic compounds benzene, toluene, ethylbenzene, mp- and o-xylene (BTEX) were monitored across the city. Land Use Regression models were used to estimate individual exposures to the measured pollutants and logistic regression models were utilized to assess the relative influence of environmental, socioeconomic and health related covariates on general practitioner access and utilization outcomes. RESULTS: The results show that general practitioner use increased with levels of exposure to nitrogen dioxide (NO2- Odds Ratio [OR]: 1.16, p < 0.05) and sulphur dioxide (SO2- OR: 1.61, p < 0.05). Low household income was a stronger predictor of having no family doctor in areas exposed to high concentrations of NO2 and SO2. Respondents without regular care living in high pollution areas were also more likely to report travelling or waiting for care in excess of 20 minutes (OR: 3.28, p < 0.05) than their low exposure counterparts (OR: 1.11, p > 0.05). CONCLUSIONS: This study provides evidence for inequitable health care access and utilization in Sarnia, with particular relevance to its situation as a sentinel high exposure environment. Levels of exposure to pollution appears to influence utilization of health care services, but poor access to primary health care services additionally burden certain groups in Sarnia, Ontario, 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| 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) | 0,002 | 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 ».