Effects of behavioural risk factors on high-cost users of healthcare: a population-based study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: High-cost users (HCUs) are known to disproportionally incur the majority of healthcare utilization costs relative to their counterparts. A number of studies have highlighted the detrimental effects of risky health behaviours; however, only a few have demonstrated the link to HCUs, a meaningful endpoint for program and policy decision-makers. We investigated the association between health behaviour risks and downstream high-cost healthcare utilization. METHODS: A combined cohort of participants from the Canadian Community Health Survey (CCHS) cycles 2005-2009 was linked to future population-based health administrative data in Ontario. Using person-centered costing methodology, CCHS respondents were ranked according to healthcare utilization costs and categorized as ever having HCU status in the 4 years following interview. Logistic regression models were used to estimate the association between various health behaviours on future HCU status. RESULTS: Models estimated that smoking and physical inactivity were associated with a significant increase in the odds of becoming an HCU. Compared to individual behaviours, increasing the number of health behaviour risks significantly strengthened the odds of becoming an HCU in subsequent years. CONCLUSION: The analyses provide evidence that upstream health behaviours affect high-cost healthcare utilization. Health behaviours are a meaningful target for health promotion programs and policies. These findings can inform decision-makers on appropriate behavioural targets for those on an HCU trajectory and promote public health efforts to support healthcare system sustainability.
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.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle