Trends and socioeconomic disparities in diabetes prevalence and quality of care among Israeli children; 2011-2018
Notice bibliographique
Résumé
Abstract Background Despite Israel’s universal health coverage, disparities in health services provision may still exist. We aimed to assess socioeconomic disparities in diabetes prevalence and quality of care among Israeli children, and to assess whether these changed over time. Methods We used repeated cross-sectional analyses in the setting of the National Program for Quality Indicators in Community Healthcare. The data were derived from electronic medical records from Israel’s four health maintenance organizations. The study population included all Israeli children aged 2–17 years in 2011–2018 (2018: N = 2,404,856). Socio-economic position (SEP) was measured using Central Bureau of Statistics data further updated by a private company (Points Business Mapping Ltd), and grouped into 4 categories, ranging from 1 (lowest) to 4 (highest). We used logistic regression to assess the association of SEP with diabetes prevalence, diabetes clinic visits, hemoglobin A1C (HbA1C) testing, and poor glycemic control (HbA1c > 9%), and assessed whether these changed over time. Results Diabetes prevalence increased with age and SEP, with a total of 3019 children with diabetes. SEP was positively associated with visiting a specialized diabetes clinic (age and sex adjusted Odds Ratio (aOR SEP 4 vs. 1 2.45, 95% Confidence Interval (CI) 1.67–3.69)). Although children in higher SEPs were less likely to undergo HbA1c testing (aOR SEP 4 vs. 1 0.54, 95% CI 0.40–0.72), they were also less likely to have poor glycemic control (aOR SEP 4 vs. 1 0.25, 95% CI 0.18–0.34). Disparities were especially apparent among children aged 2–9 (6.5% poor glycemic control in SEP 4 vs. 38.2% in SEP 1). Poor glycemic control decreased over time, from 44.0% in 2011 to 34.1% in 2018. Conclusions While poor glycemic control rates among children have improved, they remain high compared to rates in adults. Additionally, substantial socioeconomic gaps remain. It is eminent to study the causes of these disparities and develop policies to improve care provided to children in the lower SEP levels, to promote health equity.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».