Does End-of-Life Care Differ for Anglophones and Francophones? A Retrospective Cohort Study of Decedents in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Approximately half of decedents in Ontario, Canada, receive some palliative care, but little is known about the influence of language on the nature of these services. OBJECTIVE: To examine differences between English- and French-speaking residents of Ontario in end-of-life care and outcomes (e.g., health care costs and location of death). DESIGN: A retrospective cohort study using multiple linked databases. SETTING/SUBJECTS: A population-based cohort of decedents in Ontario (2010-2013) who were living in long-term care institutions (i.e., nursing homes) or receiving home care before death (N = 25,759). Data from two regions with higher representations of Francophones were examined, with the final distribution by primary language being 75% Anglophone, 18% Francophone, and 7% other languages. RESULTS: Compared with Anglophones, Francophones were more frequent users of long-term care (47.6% vs. 37.1%) and less frequent users of home care (71.3% vs. 76.3%). In adjusted models, the number of days spent in hospital in the last 90 days of life was similar between Anglophones and Francophones, although the odds of dying in hospital were significantly higher among the latter. The mean total health care cost in the last year of life was slightly lower among French ($62,085) compared with English ($63,814) speakers. CONCLUSIONS: There are statistically significant differences in end-of-life outcomes between linguistic groups in Ontario, namely more institutionalization in long-term care, less home care use and more deaths in-hospital among Francophones (adjusted). Future research is needed to examine the cause of these differences. Strategies to ensure equitable access to quality end-of-life care are required.
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 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».