Exploration of the spatial patterns and determinants of asthma prevalence and health services use in Ontario using a Bayesian approach
Notice bibliographique
Résumé
The purpose of this study was to examine the spatial variability of asthma outcomes in Ontario, Canada and broad environmental factors that contribute to this variability. Age-/sex-standardized asthma prevalence and health services use rates (2003-2013) were obtained from a provincial cohort of asthma patients. Employing an ecological-level study design, descriptive and Bayesian spatial regression analyses were used to examine patterns of asthma outcomes and their relationship to physical environment, socioeconomic environment and healthcare factors. Significant spatial variation in asthma outcomes was found between southern urban/suburban areas and northern/rural areas. Rurality was found to have a substantial effect on all asthma outcomes, except hospitalizations. For example, the most rural areas were associated with lower asthma prevalence and physician visits [RR = 0.708, 95% credible interval (CI): 0.636-0.795 and RR = 0.630, 95% CI: 0.504-0.758, respectively], and with higher ED visits (RR = 1.818, 95% CI: 1.194-2.858), when compared to urban areas. Strong associations were also found between material deprivation and ED visits (RR = 1.559, 95% CI: 1.358-1.737) and hospitalizations (RR = 1.259, 95% CI: 1.143-1.374). Associations between asthma outcomes and environmental variables such as air pollution and temperature were also found. Findings can be expected to inform the development of improved public health strategies, which take into account local environmental, socioeconomic and healthcare characteristics.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».