MétaCan
Menu
Retour à la cohorte
Enregistrement W3073608244 · doi:10.1017/s1744133120000250

Evolution of the determinants of unmet health care needs in a universal health care system: Canada, 2001–2014

2020· article· en· W3073608244 sur OpenAlexaffabout
Ian Allan, Mehdi Ammi

Notice bibliographique

RevueHealth Economics Policy and Law · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésHealth careAffect (linguistics)MedicineEnvironmental healthPsychologyNursingGerontologyPolitical science

Résumé

récupéré en direct d'OpenAlex

While ensuring adequate access to care is a central concern in countries with universal health care coverage, unmet health care needs remain prevalent. However, subjective unmet health care needs (SUN) can arise from features of a health care system (system reasons) or from health care users' choices or constraints (personal reasons). Furthermore, investigating the evolution of SUN within a health care system has rarely been carried out. We investigate whether health needs, predisposing factors and enabling factors differentially affect SUN for system reasons and SUN for personal reasons, and whether these influences are stable over time, using representative data from the Canadian Community Health Surveys from 2001 to 2014. While SUN slightly decreased overall during our period of observation, the share of SUN for system reasons increased. Some key determinants appear to consistently increase SUN reporting over all our observation periods, in particular being a woman, younger, in poorer health or not having a regular doctor. The distinction between personal and system reasons is important to better understand individual experiences. Notably, women report more SUN for system reasons and less for personal reasons, and reporting system reasons increases with age. Given this stability over time, our results may inform health policymakers on which subpopulations to target to ensure access to health care is universal.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,424
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,031
Tête enseignante GPT0,363
Écart entre enseignants0,333 · 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 tête enseignante, pas un consensus.

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

Citations25
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Economics Policy and LawMême sujetGlobal Health Care IssuesTravaux en français237 207