Primary care utilization in people who experience imprisonment in Ontario, Canada: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Access to primary care is an important determinant of health, and data are sparse on primary care utilization for people who experience imprisonment. We aimed to describe primary care utilization for persons released from prison, and to compare utilization with the general population. METHODS: We linked correctional data for all persons released from provincial prison in Ontario, Canada in 2010 with health administrative data. We matched each person by age and sex with four general population controls. We compared primary care utilization rates using generalized estimating equations. We adjusted rate ratios for aggregated diagnosis groups, to explore this association independent of comorbidity. We examined the proportion of people using primary care using chi squared tests and time to first primary care visit post-release using the Kaplan-Meier method. RESULTS: Compared to the general population controls, the prison release group had significantly increased relative rates of primary care utilization: at 6.1 (95% CI 5.9-6.2) in prison, 3.7 (95% CI 3.6-3.8) in the week post-release and between 2.4 and 2.6 in the two years after prison release. All rate ratios remained significantly increased after adjusting for comorbidity. In the month after release, however, 66.3% of women and 75.5% of men did not access primary care. CONCLUSIONS: Primary care utilization is high in prison and post-release for people who experience imprisonment in Ontario, Canada. Increased use is only partly explained by comorbidity. The majority of people do not access primary care in the month after prison release. Future research should identify reasons for increased use and interventions to improve care access for persons who are not accessing care post-release.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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 ».