MétaCan
Menu
Retour à la cohorte
Enregistrement W2728546279 · doi:10.1093/geroni/igx004.2701

FRAILTY AND HOSPITAL USE IN AGED ADULTS: A COMPARATIVE ANALYSIS OF FRANCE AND QUéBEC

2017· article· en· W2728546279 sur OpenAlexaffabout
Nicolas Sirven, Fran�ois B�land, Thomas Rapp, C. Galand, John Fletcher

Notice bibliographique

RevueInnovation in Aging · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAging, Elder Care, and Social Issues
Établissements canadiensJewish General HospitalUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésIncentiveMedicineHospital carePopulationDemographyGerontologyHealth careEnvironmental healthPolitical scienceEconomics

Résumé

récupéré en direct d'OpenAlex

The aim of this article is to provide comparative population-based approach of the determinants of hospital use, in France 2012 and Québec 2011, with a focus on the frailty phenotype once netted out from other health and other covariates. We used comparable surveys of community-dwelling individuals matched with their National insurance claims and hospital episode records. Two-part models were used for access to hospital and length-of-stay. Our results suggest that ER use is more frequent in Québec while the hospitalization rate is lower in Québec after a venue at ER – suggesting that ER play the role of primary care in Québec. The length-of-stay is shorter in France where pay-for-performance scheme give hospital professionals the incentive to increase the number of inpatient care. We also found that frailty is associated with hospitalization through ER use in both countries, while the phenotype is neither associated with elective hospitalizations or the length-of-stay.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,131
Score d'incertitude au seuil0,923

Scores Codex et Gemma par catégorie

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

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 Opus0,071
Tête enseignante GPT0,420
Écart entre enseignants0,349 · 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 tête enseignante, 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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetAging, Elder Care, and Social IssuesTravaux en français237 207