Prevalence, characteristics, and patterns of patients with multimorbidity in primary care: a retrospective cohort analysis in Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Multimorbidity is a complex issue in modern medicine and a more nuanced understanding of how this phenomenon occurs over time is needed. AIM: To determine the prevalence, characteristics, and patterns of patients living with multimorbidity, specifically the unique combinations (unordered patterns) and unique permutations (ordered patterns) of multimorbidity in primary care. DESIGN AND SETTING: A retrospective cohort analysis of the prospectively collected data from 1990 to 2013 from the Canadian Primary Care Sentinel Surveillance Network electronic medical record database. METHOD: Adult primary care patients who were aged ≥18 years at their first recorded encounter were followed over time. A list of 20 chronic condition categories was used to detect multimorbidity. Computational analyses were conducted using the Multimorbidity Cluster Analysis Tool to identify all combinations and permutations. RESULTS: Multimorbidity, defined as two or more and three or more chronic conditions, was prevalent among adult primary care patients and most of these patients were aged <65 years. Among female patients with two or more chronic conditions, 6075 combinations and 14 891 permutations were detected. Among male patients with three or more chronic conditions, 4296 combinations and 9716 permutations were detected. While specific patterns were identified, combinations and permutations became increasingly rare as the total number of chronic conditions and patient age increased. CONCLUSION: This research confirms that multimorbidity is common in primary care and provides empirical evidence that clinical management requires a tailored, patient-centred approach. While the prevalence of multimorbidity was found to increase with increasing patient age, the largest proportion of patients with multimorbidity in this study were aged <65 years.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle