Shifting chronic disease management from hospitals to primary care in Estonian health system: analysis of national panel data
Notice bibliographique
Résumé
BACKGROUND: Following independence from the Soviet Union in 1991, Estonia introduced a national insurance system, consolidated the number of health care providers, and introduced family medicine centred primary health care (PHC) to strengthen the health system. METHODS: Using routinely collected health billing records for 2005-2012, we examine health system utilisation for seven ambulatory care sensitive conditions (ACSCs) (asthma, chronic obstructive pulmonary disease [COPD], depression, Type 2 diabetes, heart failure, hypertension, and ischemic heart disease [IHD]), and by patient characteristics (gender, age, and number of co-morbidities). The data set contained 552 822 individuals. We use patient level data to test the significance of trends, and employ multivariate regression analysis to evaluate the probability of inpatient admission while controlling for patient characteristics, health system supply-side variables, and PHC use. FINDINGS: Over the study period, utilisation of PHC increased, whilst inpatient admissions fell. Service mix in PHC changed with increases in phone, email, nurse, and follow-up (vs initial) consultations. Healthcare utilisation for diabetes, depression, IHD and hypertension shifted to PHC, whilst for COPD, heart failure and asthma utilisation in outpatient and inpatient settings increased. Multivariate regression indicates higher probability of inpatient admission for males, older patient and especially those with multimorbidity, but protective effect for PHC, with significantly lower hospital admission for those utilising PHC services. INTERPRETATION: Our findings suggest health system reforms in Estonia have influenced the shift of ACSCs from secondary to primary care, with PHC having a protective effect in reducing hospital admissions.
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 | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».