Distribution gaps in cataract surgery care and impact on seniors across Ontario
Notice bibliographique
Résumé
OBJECTIVE: To assess recent cataract service delivery across communities of all sizes in Ontario. DESIGN: Retrospective analysis of health records. PARTICIPANTS: All Ontario Health Insurance Plan users. METHODS: Raw physician Ontario Health Insurance Plan claims data for cataract surgery (E140A, E214A) from April 1, 2009, to March 31, 2014, were extracted from the Ontario Ministry of Health and Long-Term Care (MOHLTC) IntelliHealth database. Cataract surgery claims data were sorted by sex, by age, and by Ontario's 444 municipalities based on patient residence. Cataract surgery distribution was examined by population centre: Large Urban (≥100 000 persons), Medium (30 000-99 999 persons), Small (1000-29 999 persons), and Rural (<1000 persons) as defined by Statistics Canada. Wait times were extracted from the MOHLTC wait times database. Cataract surgery rate (CSR), defined as the number of cataract surgeries performed per million, was calculated. RESULTS: Cataract surgery volumes remained unchanged from 2010 to 2014. Mean patient age was 71.6 ± 10 years. Patients lived in large urban (63%), medium (15%), small (21%), and rural (0.6%) communities. Mean wait times increased by 28% to 68.5 days, and 90th percentile wait times increased by 44% to 154.3 days. A reduction in CSR was observed among seniors aged 65-74 years (-10%) and 75+ years (-16%). Rural communities showed the largest decline (-19%). Among seniors aged ≥75 years, CSR declined the most for those living in rural communities (-25%). CONCLUSIONS: Adjusting the current government policy of zero-growth in cataract surgery volumes will support growing demands for cataract care in our aging population.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».