Attitude to health risk in the Canadian population: a cross-sectional survey
Notice bibliographique
Résumé
BACKGROUND: Risk is a ubiquitous part of health care. Understanding how people respond to risks is important for predicting how populations make health decisions. Our objective was to seek preliminary descriptive insights into the attitude to health risk in the Canadian population and factors associated with heterogeneity in risk attitude. METHODS: We used a large market-research panel to survey (in English and French) a representative sample of the Canadian general population that reflected the age, sex and geography of the population. The survey included the Health-Risk Attitude Scale, which predicts how a person resolves risky health decisions related to treatment, prevention of disease and health-related behaviour. In addition, we assessed participants' numeracy and risk understanding, as well as income band and level of education. We summarized the responses, and we explored the independent associations between demographics, numeracy, risk understanding and risk attitude in multivariable models. RESULTS: Of 6780 respondents, 4949 (73.0%) were averse to health risks; however, but there was considerable heterogeneity in the magnitude of risk aversion. We found significant gradients of risk averse attitudes with increasing age and being female (p < 0.001) using the multivariable model. French-speaking participants appeared to be more risk averse than those who were English-speaking (p < 0.001), as were individuals scoring higher on the Subjective Numeracy Scale (p < 0.001). INTERPREATION: In general, Canadians were averse to health risks, but we found that a sizeable, identifiable group of risk takers exists. Heterogeneity in preferences for risk can explain variations in health care utilization in the context of patient-centred care. Understanding risk preference heterogeneity can help guide policy and assist in patient-physician decisions.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».