The influence of socioeconomic status on health resource utilization in pediatric epilepsy in a universal health insurance system
Notice bibliographique
Résumé
OBJECTIVES: It is unknown if there is a disparity in health resource utilization (HRU) among children with epilepsy in a universal health insurance system. The aims of this study were to evaluate whether socioeconomic status (SES) influenced the pattern of HRU among children with epilepsy, and to determine if neurology visits were associated with emergency department (ED) visits and hospitalizations. METHODS: Health administrative databases were used to identify HRU among children with epilepsy in Ontario, Canada. The frequency of neurology visits, ED visits, and hospitalizations were assessed for 1 year. SES was measured using dissemination area income and deprivation index. The association between SES and HRU was evaluated, adjusting for age, sex, residence, and comorbidities. Subsequently, we assessed whether neurology visits influenced ED visits and hospitalizations, adjusting for age, sex, residence, comorbidities, and SES. RESULTS: Deprivation index was a more sensitive measure of disparity in HRU than dissemination area income. Status epilepticus-related ED visits and hospitalizations were most expensive but accounted for a small proportion of total costs. Higher deprivation was associated with fewer neurology visits (relative risk [RR] 0.85-0.89), more frequent ED visits (RR 1.08-1.36), and hospitalizations (RR 1.27). Increased neurology visits were associated with more frequent ED visits (RR 1.10) and hospitalizations (RR 1.15). The associations between neurology visits and ED visits as well as hospitalizations varied by deprivation index, in that neurology visits were associated with increased ED visits and hospitalizations and the increase was higher in the most deprived relative to the least deprived (all p < 0.0001). SIGNIFICANCE: We found disparity in HRU by SES despite the universal health insurance system. More frequent neurology visits were associated with more frequent ED visits and hospitalizations after adjusting for SES, probably related to epilepsy severity. Our study identified an at-risk population for high resource use that may require additional support to reduce ED visits and hospitalizations.
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 | 0,001 | 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 ».