MétaCan
Menu
Retour à la cohorte
Enregistrement W2154558939 · doi:10.1017/s0714980809990389

Does Geography Matter? The Health Service Use and Unmet Health Care Needs of Older Canadians

2010· article· fr· W2154558939 sur OpenAlexaffabout
James Ted McDonald, Heather Conde

Notice bibliographique

RevueCanadian Journal on Aging / La Revue canadienne du vieillissement · 2010
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésHealth servicesHealth geographyHealth careGeographyService (business)GerontologyMedicineNursingEnvironmental healthEconomic growthBusinessHealth policyPublic healthInternational healthMarketingPopulationEconomics

Résumé

récupéré en direct d'OpenAlex

RÉSUMÉ Le coût croissant de soins de santé et le changement des profils démographiques ont entraîné le déplacement et la redistribution du financement et des services entre les zones rurales et urbaines. La plupart des analyses économétriques de l’utilisation de services de santé au Canada incluent des contrôles larges selon la province et l’état rural/urbain; mais relativement peu du travail économétrique a porté sur la variation géographique dans l’utilisation de services de santé. À l’aide de l’Enquête sur la santé dans les collectivités canadiennes (ESCC 2.1), nous avons examiné les déterminants de diverses mesures d’utilisation des services de santé par les Canadiens âgés de 55 ou plus d’une gamme de zones urbaines et rurales de résidence. Notre analyse de régression a montré que les anciens résidents dans les zones rurales font moins visites chez un omnipraticien, chez un spécialiste et chez un dentiste par rapport aux résidents urbains. Tout étant égal, il n’existe aucune différence significative parmi nuits passées à l’hôpital ou dans les besoins de soins de santé non satisfaits. Cependant, apres contrôle pour les caractéristiques démographiques, le statut socioéconomique, l’assurance santé privée et l’état de santé, ces différences sont importantes.

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)0,005
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 enseignants0,018
Score d'incertitude au seuil0,128

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,011
Tête enseignante GPT0,251
Écart entre enseignants0,241 · 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

Citations65
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal on Aging / La Revue canadienne du vieillissementMême sujetHealth disparities and outcomesTravaux en français237 207