Measuring social determinants of health and their impact on service use and medical complexity
Notice bibliographique
Résumé
IntroductionPopulation based data on the social determinants of health are not widely available, despite a wide body of evidence pointing to their importance. The Mantioba Population Research Data Repository offers a unique opportunity to leverage data from multiple government departments to assess the relationship between measurable social determinants and health. Objectives and ApproachUsing population based data from health, small area level census survey questions, social assisitance, education, social housing, child protective services and justice, linked at the individual level, we measured indicators of social complexity and mapped them in the province of Manitoba. Individuals with high level of social complexity were then compared with indicators of medical complexity and/or high use of medical services to determine the degree of overlap between these attributes of individuals. A matched group of individuals without any of the measured social complexities was developed and the number and reason for visits to primary care providers was compared. ResultsThe rate of individuals having three or more social complexities varied from a low of ~7% to a high of 35%, depending on the geographic location. High residential mobiity, involvement with the justice system and history of social assistance were the most frequent (>15%). Individuals with social complexities tended to be younger and live in poorer neighbourhoods than medically complex individuals or high users of health services. Socially complex persons had on average 5.5 primary care visits annually, compared to only ~3.5 for matched individuals with no social complexities. The overlap with high users of health services was slight (14.4%) and depended on the characteristics of the population. The overlap with medically complex patients ws higher (16.2%), particularly when medical complexity included mental health related diagnoses (20.4%). Conclusion/ImplicationsThe proportion of individuals with social complexities is large, and a substantial number have multiple risk factors. These individuals are for the most part a unique group, distinct from medically complex patients. Different strategies for care may be necessary to promote and sustain mental and physical health and wellbeing.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».