MétaCan
Menu
Retour à la cohorte
Enregistrement W3081563555 · doi:10.23889/ijpds.v5i1.1351

Individual and neighbourhood socioeconomic status increase risk of avoidable hospitalizations among Canadian adults: A retrospective cohort study of linked population health data

2020· article· en· W3081563555 sur OpenAlexafffundabout
Lauren E. Wallar, Laura C. Rosella

Notice bibliographique

RevueInternational Journal for Population Data Science · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchUniversity of TorontoUniversity of Guelph
Mots-clésMedicineSocioeconomic statusPopulationNeighbourhood (mathematics)DemographyCohortHousehold incomeEnvironmental healthGerontologyGeography

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Avoidable hospitalizations refer to acute care use for conditions that should normally be managed in primary care settings. Lower socioeconomic status that is often measured using area-based indicators (e.g. median household income) has been shown to increase risk of avoidable hospitalizations. However, both area- and individual-level socioeconomic status can contribute to hospitalization risk, but previous data limitations have prevented separate analyses. Further, the joint effect of individual and neighbourhood socioeconomic status has not been established in the Canadian population. To address this, this study links individual-level household income and neighbourhood-level material deprivation data within a population-based Canadian cohort. OBJECTIVES: To determine the individual and joint effect of individual-level household income and neighbourhood-level material deprivation on risk of hospitalization for a set of chronic ambulatory care sensitive conditions using linked health survey, hospital discharge, and census-derived data. METHODS: A pooled cohort was created by linking sociodemographic and health information from eight cycles of the Canadian Community Health Survey (2000/2001 - 2010) to hospital discharge records and Canadian Marginalization Indices (2001, 2006) (N = 354,595). The primary outcome variable was risk of index hospitalization with a primary diagnosis of angina, asthma, congestive heart failure, chronic obstructive pulmonary disease, diabetes, epilepsy, or hypertension. The primary exposure variable was joint individual-level national household income quintile and neighbourhood-level material deprivation quintile. Relative risk (RR) was estimated by constructing modified Poisson regression models with robust error variance. RESULTS: In fully adjusted models with income and deprivation considered separately, individuals in the lowest household income quintile and highest material deprivation quintile were at increased risk of hospitalization (Income RR: 1.82 (95% CI 1.56-2.13) Deprivation RR: 1.67 (1.44-1.95)). When income and deprivation were jointly considered, those with low individual income living in high deprivation neighbourhoods were at greatest risk of hospitalization (RR 1.83 (95% CI 1.63 - 2.05)). CONCLUSION: Both individual income and neighbourhood deprivation separately and jointly increase risk of avoidable hospitalizations. Additional research is needed to understand their mechanisms of action. However, both levels should be considered when designing effective policies and interventions to reduce avoidable hospitalizations.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,021
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,007
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0020,002
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 Opus0,059
Tête enseignante GPT0,420
Écart entre enseignants0,361 · 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

Citations15
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetPrimary Care and Health OutcomesTravaux en français237 207