MétaCan
Menu
Retour à la cohorte
Enregistrement W3004961061 · doi:10.1186/s12889-020-8159-1

Individual and community-level income and the risk of diabetes rehospitalization among women and men: a Canadian population-based cohort study

2020· article· en· W3004961061 sur OpenAlexafffundabout
Neeru Gupta, Dan L. Crouse, Adele Balram

Notice bibliographique

RevueBMC Public Health · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesCanadian Institutes of Health ResearchDiabetes CanadaFondation de la recherche en santé du Nouveau-BrunswickCanadian Diabetes Association
Mots-clésMedicineBiostatisticsDiabetes mellitusSocioeconomic statusEpidemiologyOdds ratioPopulationDemographyCohortPublic healthOddsLogistic regressionCohort studyGerontologyEnvironmental healthPediatricsInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Marked disparities by socioeconomic status in the risk of potentially avoidable hospitalization for chronic illnesses have been observed in many contexts, including those with universal health coverage. Less well known is how gender mediates such differences. We conducted a population-based cohort study to describe associations between household and community-level income and rehospitalizations for types 1 and 2 diabetes mellitus among Canadian women and men. METHODS: Our cohorts were drawn from respondents to the 2006 mandatory long-form census linked longitudinally to 3 years of nationally standardized hospital records. We included adults 30-69 years hospitalized with diabetes at least once during the study period. We used logistic regressions to estimate odds ratios for 12-month diabetes rehospitalization associated with indicators of household and community-level income, with separate models by gender, and controlling for a range of other sociodemographic characteristics. Since diabetes may not always be recognized as the main reason for hospitalization, we accounted for disease progression through consideration of admissions where diabetes was previously identified as a secondary diagnosis. RESULTS: Among persons hospitalized at least once with diabetes (n = 41,290), 1.5% were readmitted within 12 months where the initial admission had diabetes as the primary diagnosis, and 1.8% were readmitted where the initial admission had diabetes as a secondary diagnosis. For men, being in the lowest household income quintile was associated with higher odds of rehospitalization in cases where the initial admission listed diabetes as either the primary diagnosis (OR = 2.21; 95% CI = 1.38-3.51) or a secondary diagnosis (OR = 1.51; 95% CI = 1.02-2.24). For women, we found no association with income and rehospitalization, but having less than university education was associated with higher odds of rehospitalization where diabetes was a secondary diagnosis of the initial admission (OR = 1.88; 95% CI = 1.21-2.92). We also found positive, but insignificant associations between community-level poverty and odds of rehospitalization. CONCLUSIONS: Universal health coverage remains insufficient to eliminate socioeconomic inequalities in preventable diabetes-related hospitalizations, as illustrated in this Canadian context. Decision-makers should tread cautiously with gender-blind poverty reduction actions aiming to enhance population health that may inadequately respond to the different needs of disadvantaged women and men with chronic illness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0040,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,295
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetChronic Disease Management StrategiesTravaux en français237 207