The Impact of Socioeconomic Status on Place of Death Among Patients Receiving Home Palliative Care in Toronto, Canada: A Retrospective Cohort Study
Notice bibliographique
Résumé
Background: Socioeconomic disparities in home death have been noted in the literature. Home-based palliative care increases access to home death and has been suggested as a means to decrease these disparities. Aim: Our study examines the association between socioeconomic status and other demographic factors on place of death in a population receiving home palliative care in Toronto, Canada. Design: This is a retrospective chart review of patients who died between August 2013 and August 2015 when admitted to a home-based palliative care service. Multivariate multinomial regression examined the relationship between the place of death (home, palliative care unit [PCU], or acute care) with age, gender, primary diagnosis, and income quintile. Bivariate logistic regression was fitted to calculate the odds ratio (OR) and probability of preference for home death. Setting/Participants: Patients receiving home-based palliative care services from the Latner Centre for Palliative Care in Toronto, Canada. Results: A total of 2066 patients were included in multivariate analysis. Patients in the lowest income quintile had increased odds of dying in acute care (OR = 2.41, P < .001) or dying in PCU (OR = 1.64, P = .008) than patients in highest income quintile. Patients in the next lowest income quintiles 2 and 3 were also more likely to die in acute care. The rate of preference for home death was significantly lower in the lowest income quintile (OR = 0.47, P = .0047). Conclusions: Patients in lower income quintiles are less likely to die at home, despite receiving home-based palliative care, although they may also be less likely to prefer home death.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».