MétaCan
Menu
Retour à la cohorte
Enregistrement W2154343210

Equity in Canadian health care: does socioeconomic status affect waiting times for elective surgery?

2003· article· en· W2154343210 sur OpenAlexaffabout
S. E. D. Shortt, Ralph A. Shaw

Notice bibliographique

RevuePubMed · 2003
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensKingston Health Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésSocioeconomic statusMedicineElective surgeryHealth careAffect (linguistics)Waiting listCensusProstatectomyDemographySurgeryPsychologyEnvironmental healthInternal medicinePopulation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Waiting times for surgical and other procedures are an important measure of how well the health care system responds to patient needs. In a universal health care system such as Canada's, it is important to determine if waiting times vary by socioeconomic status (SES). We compared waiting times for elective surgery of patients living in low and high socioeconomic areas. METHODS: We reviewed the medical charts of all patients who underwent elective surgery at a Canadian academic health centre between 1992 and 1999. Using patient postal codes we assigned SES on the basis of 5 characteristics in the 1996 census data. We compared waiting times for surgery for people from regions in the lowest third (low SES group) with that for patients from regions in the upper third (high SES group). RESULTS: On average, patients in the high SES group waited 31.1 days and those in the low SES group waited 29.3 days. When differences in waiting times for 22 common procedures were examined between the groups, only the difference for prostatectomy was statistically significant: patients in the high SES group waited 4.4 fewer days than those in the low SES group. INTERPRETATION: We found little evidence that residing in a region in which SES was in the lowest third was associated with longer waiting times for elective surgery.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,164

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,410
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations60
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207