Registration for deceased organ and tissue donation among Ontario immigrants: a population-based cross-sectional study
Notice bibliographique
Résumé
Background: Canada has low rates of deceased organ and tissue donation. Immigrants to Canada may differ in their registered support for deceased organ donation based on their country of origin. Methods: We used linked administrative databases in Ontario (about 11 million residents aged ≥ 16 yr) to study the proportion of immigrants and long-term residents registered for deceased organ and tissue donation as of October 2013. We used modified Poisson regression to identify and quantify predictors of donor registration. Results: Compared with long-term residents (n = 9 244 570), immigrants (n = 1 947 646) were much less likely to register for deceased organ and tissue donation (11.9% v. 26.5%). Immigrants from the United States, Australia and New Zealand had the highest registration rate (40.0%), whereas immigrants with the lowest registration rates were from Eastern Europe and Central Asia (9.4%), East Asia and Pacific (8.4%) and sub-Saharan Africa (7.9%). The largest numbers of unregistered immigrants were from India (n = 202 548), China (n = 186 678) and the Philippines (n = 125 686). Characteristics among the immigrant population associated with a higher likelihood of registration included economic immigrant status, living in a rural area (population < 10 000), living in an area with a lower ethnic concentration, less material deprivation, a higher education, ability to speak English and French, and more years residing in Canada. Interpretation: Immigrants in Ontario were less likely to register for deceased organ and tissue donation than long-term residents. There is a need to better understand reasons for lower registration rates among Canadian immigrants and to create culture-sensitive materials to build support for deceased organ and tissue donation.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».