MétaCan
Menu
Retour à la cohorte
Enregistrement W3087950327 · doi:10.1186/s12939-020-01281-6

Does healthcare inequity reflect variations in peoples’ abilities to access healthcare? Results from a multi-jurisdictional interventional study in two high-income countries

2020· article· en· W3087950327 sur OpenAlexafffundabout
Jeannie Haggerty, Jean‐Frédéric Lévesque, Mark Harris, Catherine M. Scott, Simone Dahrouge, Virginia Lewis, Émilie Dionne, Nigel Stocks, Grant Russell

Notice bibliographique

RevueInternational Journal for Equity in Health · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensBruyèreUniversity of OttawaMcGill UniversityMcGill University Health Centre
Organismes subventionnairesAustralian Primary Health Care Research Institute, Australian National UniversityFonds de Recherche du Québec - SantéCanadian Institutes of Health Research
Mots-clésHealth careLogistic regressionMultilevel modelHealth services researchPsychologyPublic healthMedicineNursingPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Primary healthcare services must respond to the healthcare-seeking needs of persons with a wide range of personal and social characteristics. In this study, examined whether socially vulnerable persons exhibit lower abilities to access healthcare. First, we examined how personal and social characteristics are associated with the abilities to access healthcare described in the patient-centered accessibility framework and with the likelihood of reporting problematic access. We then examined whether higher abilities to access healthcare are protective against problematic access. Finally, we explored whether social vulnerabilities predict problematic access after accounting for abilities to access healthcare. METHODS: This is an exploratory analysis of pooled data collected in the Innovative Models Promoting Access-To-Care Transformation (IMPACT) study, a Canadian-Australian research program that aimed to improve access to primary healthcare for vulnerable populations. This specific analysis is based on 284 participants in four study regions who completed a baseline access survey. Hierarchical linear regression models were used to explore the effects of personal or social characteristics on the abilities to access care; logistic regression models, to determine the increased or decreased likelihood of problematic access. RESULTS: The likelihood of problematic access varies by personal and social characteristics. Those reporting at least two social vulnerabilities are more likely to experience all indicators of problematic access except hospitalizations. Perceived financial status and accumulated vulnerabilities were also associated with lower abilities to access care. Higher scores on abilities to access healthcare are protective against most indicators of problematic access except hospitalizations. Logistic regression models showed that ability to access is more predictive of problematic access than social vulnerability. CONCLUSIONS: We showed that those at higher risk of social vulnerability are more likely to report problematic access and also have low scores on ability to seek, reach, pay, and engage with healthcare. Equity-oriented healthcare interventions should pay particular attention to enhancing people's abilities to access care in addition to modifying organizational processes and structures that reinforce social systems of discrimination or exclusion.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,102
Score d'incertitude au seuil0,202

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,175
Tête enseignante GPT0,475
Écart entre enseignants0,300 · 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

Citations64
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Equity in HealthMême sujetHealthcare Systems and ReformsTravaux en français237 207