A descriptive analysis of medical health services utilization of Veterans living in Ontario: a retrospective cohort study using administrative healthcare data
Notice bibliographique
Résumé
BACKGROUND: Health services utilization by Veterans following release may be different than the general population as the result of occupational conditions, requirements and injuries. This study provides the first longitudinal overview of Canadian Veteran healthcare utilization in the Ontario public health system. METHODS: This is a retrospective cohort study designed to use Ontario's provincial healthcare data to study the demographics and healthcare utilization of Canadian Armed Forces (CAF) & RCMP Veterans living in Ontario. Veterans were eligible for the study if they released between January 1, 1990 and March 31, 2013. Databases at the Institute for Clinical Evaluative Sciences were linked by a unique identifier to study non-mental health related hospitalizations, emergency department visits, and physician visits. Overall and age-stratified descriptive statistics were calculated in five-year intervals following the date of release. RESULTS: The cohort is comprised of 23, 818 CAF or RCMP Veterans. Following entry into the provincial healthcare system, 82.6 % (95 % CI 82.1-83.1) of Veterans saw their family physician at least once over the first five years following release, 60.7 % (95 % CI 60.0-61.3) saw a non-mental health specialist, 40.8 % (95 % CI 40.2-41.5) went to the emergency department in that same time period and 9.9 % (9.5-10.3) were hospitalized for non-mental health related complaints. Patterns of non-mental health services utilization appeared to be time and service dependant. Stratifying health services utilization by age of the Veteran at entry into the provincial healthcare system revealed significant differences in service use and intensity. CONCLUSION: This study provides the first description of health services utilization by Veterans, following release from the CAF or RCMP. This work will inform the planning and delivery of support to Veterans in Ontario.
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 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».