Frequency of low-value care in Alberta, Canada: a retrospective cohort study
Notice bibliographique
Résumé
OBJECTIVE: To determine how frequently 10 low-value services highlighted by Choosing Wisely are done and what factors influence their provision. METHODS: This is a retrospective cohort study using routinely collected health data from five linked data sets from 2012 to 2015 in the Canadian province of Alberta to determine the frequency with which 10 low-value services were provided. RESULTS: Between 2012 and 2015, 162 143 people (4% of all 3 814 536 adult Albertans and 5% of the 3 423 135 who saw a physician at least once in that time frame) received at least one of the 10 low-value services, including 29.8% of Albertans older than 75 years (57 811 of 194 068). The proportion of adults receiving low-value services ranged from carotid artery imaging in 0.1% of asymptomatic adults without cerebrovascular disease, to prostate-specific antigen (PSA) testing in 55.5% of men 75 years or older without a history of prostate cancer. Although age, Charlson scores and frequency of primary care visits were associated with low-value service provision, the directions of the association differed across services; however, higher socioeconomic status, increased frequency of specialist contact and higher ratio of specialists to primary care physicians in the patient's region were associated with an increased risk of receiving all of the low-value services we examined. The low-value services which resulted in the greatest costs to the healthcare system were cervical cancer screening in women older than 65 without history of cervical dysplasia or genital cancer, PSA testing in men older than 75 without history of prostate cancer and preoperative stress testing/cardiac imaging before non-cardiac surgery. CONCLUSIONS: Even within a universal coverage healthcare system, the proportion of patients receiving low-value services varied widely (from <0.1% to 56%). Increased use was associated with higher socioeconomic status, increased frequency of specialist contact and higher ratio of specialists to primary care physicians.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».