Geospatial patterns of comorbidity prevalence among people with osteoarthritis in Alberta Canada
Notice bibliographique
Résumé
BACKGROUND: Knowledge of geospatial pattern in comorbidities prevalence is critical to an understanding of the local health needs among people with osteoarthritis (OA). It provides valuable information for targeting optimal OA treatment and management at the local level. However, there is, at present, limited evidence about the geospatial pattern of comorbidity prevalence in Alberta, Canada. METHODS: Five administrative health datasets were linked to identify OA cases and comorbidities using validated case definitions. We explored the geospatial pattern in comorbidity prevalence at two standard geographic areas levels defined by the Alberta Health Services: descriptive analysis at rural-urban continuum level; spatial analysis (global Moran's I, hot spot analysis, cluster and outlier analysis) at the local geographic area (LGA) level. We compared area-level indicators in comorbidities hotspots to those in the rest of Alberta (non-hotspots). RESULTS: Among 359,638 OA cases in 2013, approximately 60% of people resided in Metro and Urban areas, compared to 2% in Rural Remote areas. All comorbidity groups exhibited statistically significant spatial autocorrelation (hypertension: Moran's I index 0.24, z score 4.61). Comorbidity hotspots, except depression, were located primarily in Rural and Rural Remote areas. Depression was more prevalent in Metro (Edmonton-Abbottsfield: 194 cases per 1000 population, 95%CI 192-195) and Urban LGAs (Lethbridge-North: 169, 95%CI 168-171) compared to Rural areas (Fox Creek: 65, 95%CI 63-68). Comorbidities hotspots included a higher percentage of First Nations or Inuit people. People with OA living in hotspots had lower socioeconomic status and less access to care compared to non-hotspots. CONCLUSIONS: The findings highlight notable rural-urban disparities in comorbidities prevalence among people with OA in Alberta, Canada. Our study provides valuable evidence for policy and decision makers to design programs that ensure patients with OA receive optimal health management tailored to their local needs and a reduction in current OA health disparities.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».