Linking surveillance and administrative data to better understand dementia’s impact in Canada
Notice bibliographique
Résumé
IntroductionCanadian Institute of Health Information and Public Health Agency of Canada combined analytical work for a dementia report. The report linked surveillance and administrative data to support policy makers, health system planners and public in understanding the prevalence of seniors with dementia and their interactions with the health care system. Objectives and ApproachDementia prevalence data from PHAC’s Canadian Chronic Disease Surveillance System was used as a denominator, and data from CIHI’s administrative databases was used as a numerator to calculate the statistics on interactions of seniors with dementia with the healthcare system. Examples of the measures reported by database include: Using DAD: Proportion of seniors with dementia who were hospitalized; Using NACRS: Proportion of seniors with dementia who visited emergency departments; Using CCRS: Proportion of seniors with dementia living in and outside of nursing homes; Using HCRS: Proportion of seniors with dementia living in the community and receiving home care services. ResultsResults for the measures above, as well as rates of patients receiving different services, statistics on where they live, their characteristics, quality of care by sectors, and impacts on caregivers will be presented. One out of 5 seniors with dementia is admitted to hospital every year, and one out of four visited emergency departments at least once. Two out of five seniors with dementia reside in long term care. While in nursing homes, seniors with dementia experience more inappropriate antipsychotic and restraint use compared to seniors without dementia. They are especially susceptible to injury and falls. Once hospitalized, they tend to stay longer waiting for placement and experience greater hospital harm. Caregivers of seniors with dementia experience more distress compared to caregivers of other seniors. Conclusion/ImplicationsThis work illustrates benefits of combining data from different organizations and sectors to help inform policy and fill data gaps. This innovative approach using PHAC’s surveillance and CIHI’s administrative data avoids confusion from varying estimates and duplication of work between organizations, generates new evidence, and reaches a broader audience.
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 | 0,008 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,012 | 0,031 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 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 ».