MétaCan
Menu
← Retour à la cohorte
Enregistrement W2165208151

The Health Services Use Among Older Canadians in Rural and Urban Areas

2007· preprint· en· W2165208151 sur OpenAlexaffabout
Heather Conde, James Ted McDonald

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2007
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésRelocationResidenceHealth careGeographyRural areaSocioeconomicsEnvironmental healthBusinessDemographic economicsMedicineGerontologyEconomic growthEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Even though universal health care is one of the fundamental pillars of Canadian society, the rising cost of all services has resulted in the relocation and redistribution of funding and services between rural and urban areas. While most econometric analyses of health service use in Canada include broad controls by province and rural/urban status, there has been relatively little econometric work that has focused specifically on geographical variation in health service use. Using the 2002-03 wave of the Canadian Community Health Survey, we examine the determinants of a range of health services use by older Canadians across different types of urban and rural areas of residence. The regression analysis suggests two general conclusions: 1) other things equal, health service use is lower among older residents of rural areas in terms of visits to a GP, to a specialist and to a dentist compared to residents of urban core CMA/CAs, but there are no significant differences in hospital nights; and 2) these results are surprisingly robust across a range of specifications that control variously for demographic characteristics, socio-economic status, private health insurance, and physical health. However, the magnitude of the estimated differences is quantitatively not very large. In addition, the self-reported incidence of unmet healthcare needs overall shows no systematic variation across rural and urban areas.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,012
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,032
Tête enseignante GPT0,362
Écart entre enseignants0,330 · 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

Citations1
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetHealth disparities and outcomes→Travaux en français237 207→