Geographic and socioeconomic factors affecting delivery of bariatric surgery across high- and low-utilization healthcare systems
Notice bibliographique
Résumé
BACKGROUND: In countries with universal health coverage, the delivery of care should be driven by need. However, other factors, such as proximity to local facilities or neighbourhood socioeconomic status, may be more important. The objective of this study was to evaluate which geographic and socioeconomic factors affect the delivery of bariatric care in Canada. METHODS: ). Geographic cluster analysis and multilevel ordinal logistic regression were used to identify high-use clusters, and to evaluate the effect of geographic and socioeconomic factors on care delivery. RESULTS: Having a bariatric facility within the same public health unit as the neighbourhood was associated with a 6·6 times higher odds of being in a bariatric high-use cluster (odds ratio (OR) 6·60, 95 per cent c.i. 1·90 to 22·88; P = 0·003). This finding was consistent across provinces after adjusting for utilization rates. Neighbourhoods with higher obesity rates were also more likely to be within high-use clusters (OR per 5 per cent increase: 2·95, 1·54 to 5·66; P = 0·001), whereas neighbourhoods closer to bariatric centres were less likely to be (OR per 50 km: 0·91, 0·82 to 1·00; P = 0·048). CONCLUSION: In this study, across provincial healthcare systems with high and low utilization, the delivery of care was driven by the presence of local facilities and neighbourhood obesity rates. Increasing distance to bariatric centres substantially influenced care delivery.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».