Regional variation in multimorbidity prevalence in British Columbia, Canada: a cross-sectional analysis of Canadian Community Health Survey data, 2015/16
Notice bibliographique
Résumé
INTRODUCTION: Multimorbidity represents a major concern for population health and service delivery planners. Information about the population prevalence (absolute numbers and proportions) of multimorbidity among regional health service delivery populations is needed for planning for multimorbidity care. In Canada, health region-specific estimates of multimorbidity prevalence are not routinely presented. The Canadian Community Health Survey (CCHS) is a potentially valuable source of data for these estimates. METHODS: Data from the 2015/16 cycle of the CCHS for British Columbia (BC) were used to estimate and compare multimorbidity prevalence (3+ chronic conditions) through survey-weighted analyses. Crude frequencies and proportions of multimorbidity prevalence were calculated by BC Health Service Delivery Area (HSDA). Logistic regression was used to estimate differences in multimorbidity prevalence by HSDA, adjusting for known confounders. Multiple imputation using chained equations was performed for missing covariate values as a sensitivity analysis. The definition of multimorbidity was also altered as an additional sensitivity analysis. RESULTS: A total of 681 921 people were estimated to have multimorbidity in BC (16.9% of the population) in 2015/16. Vancouver (adj-OR = 0.65; 95% CI: 0.44-0.97) and Richmond (adj-OR = 0.55; 95% CI: 0.37-0.82) had much lower prevalence of multimorbidity than Fraser South (reference HSDA). Missing data analysis and sensitivity analysis showed results consistent with the main analysis. CONCLUSION: Multimorbidity prevalence estimates varied across BC health regions, and were lowest in Vancouver and Richmond after controlling for multiple potential confounders. There is a need for provincial and regional multimorbidity care policy development and priority setting. In this context, the CCHS represents a valuable source of information for regional multimorbidity analyses in Canada.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».