Socioeconomic differences in prescription drug supplemental coverage in Canada: A repeated cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Efforts to achieve universal healthcare coverage are fraught with challenges, not only in low- and middle-income countries but also in high-income ones. Canada, for example, is the only high-income country with universal health insurance that does not include universal coverage for prescription drugs. We first described the extent to which Canadians reported supplementary drug insurance coverage (public or private). Second, we examined associations between individuals' socioeconomic and demographic characteristics and self-reported drug insurance coverage. METHODS: We used logistic regressions and repeated cross-sectional data from two national (2015, 2016) and six Ontario (2005, 2008, 2013-2016) cycles of the Canadian Community Health Survey. RESULTS: We found large socioeconomic differences in the reporting of prescription drug insurance coverage. Individuals of lower socioeconomic status had higher odds of reporting public drug coverage or no coverage while those of higher socioeconomic status had higher odds of reporting private coverage. Respondents' reports indicated that public drug plans were more likely to cover those in poorer health while private plans were more likely to cover those in very good or excellent health. We also documented substantial underreporting of public drug coverage. which may also have access implications. INTERPRETATION: Both the lack of prescription drug insurance and misunderstandings about one's insurance coverage point to limits in Canada's drug insurance system.
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 | 0,001 | 0,000 |
| 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 ».