MétaCan
Menu
Retour à la cohorte
Enregistrement W2483488604 · doi:10.1377/hlthaff.2015.1612

Racial Disparities In Geographic Access To Primary Care In Philadelphia

2016· article· en· W2483488604 sur OpenAlexaff
Elizabeth Brown, Daniel Polsky, Corentin Barbu, J Seymour, David Grande

Notice bibliographique

RevueHealth Affairs · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensInstitute of Health Economics
Organismes subventionnairesnon disponible
Mots-clésCensusCensus tractPrimary careOddsGeographyHealth careAmerican Community SurveyHealth equityMedicineDemographySocioeconomic statusGerontologyEnvironmental healthSocioeconomicsPublic healthPopulationLogistic regressionFamily medicineNursingEconomic growthSociology

Résumé

récupéré en direct d'OpenAlex

Primary care is often thought of as the gateway to improved health outcomes and can lead to more efficient use of health care resources. Because of primary care's cardinal importance, adequate access is an important health policy priority. In densely populated urban areas, spatial access to primary care providers across neighborhoods is poorly understood. We examined spatial variation in primary care access in Philadelphia, Pennsylvania. We calculated ratios of adults per primary care provider for each census tract and included buffer zones based on prespecified drive times around each tract. We found that the average ratio was 1,073; the supply of primary care providers varied widely across census tracts, ranging from 105 to 10,321. We identified six areas of Philadelphia that have much lower spatial accessibility to primary care relative to the rest of the city. After adjustment for sociodemographic and insurance characteristics, the odds of being in a low-access area were twenty-eight times greater for census tracts with a high proportion of African Americans than in tracts with a low proportion of African Americans.

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 enseignants0,021
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,366
Écart entre enseignants0,334 · 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

Citations138
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth AffairsMême sujetHealth disparities and outcomesTravaux en français237 207