MétaCan
Menu
← Retour à la cohorte
Enregistrement W3094191583 · doi:10.23889/ijpds.v5i1.1388

Income inequalities in the risk of potentially avoidable hospitalisation for chronic obstructive pulmonary disease

2020· article· en· W3094191583 sur OpenAlexafffundabout
Nicholas A. Quinn, Neeru Gupta

Notice bibliographique

RevueInternational Journal for Population Data Science · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensUniversity of New BrunswickSaint John Regional Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchDalhousie UniversityDiabetes CanadaFondation de la recherche en santé du Nouveau-Brunswick
Mots-clésCOPDMedicineOdds ratioOddsContext (archaeology)PopulationDemographyAmbulatoryLogistic regressionGerontologyEnvironmental healthInternal medicineGeography

Résumé

récupéré en direct d'OpenAlex

Introduction: Hospitalizations for ambulatory care sensitive conditions, of which chronic obstructive pulmonary disease (COPD) is among the most common, represent an indirect measure of the healthcare system to manage chronic disease. Research has pointed to disparities in various COPD-related outcomes between persons of lower versus higher income; however, few studies have examined the influence of patients' social context on potentially avoidable COPD admissions. Objective: The research explores the use of linked population census and administrative health data to assess the influence of income inequalities on the risk of hospitalization and rehospitalization for COPD among Canadian adults. Methods: This analysis utilizes data from the 2006 Census linked longitudinally to the 2006/07-2008/09 Discharge Abstract Database. Multiple logistic regressions were conducted to assess the independent influence of income inequality on the risks of hospitalization and of six-month readmission due to COPD among the population aged 30-69, controlling for age, sex, education and other sociodemographic characteristics. Results: Compared with adults in the most affluent income quintile, the adjusted odds of COPD hospitalization were significantly greater in the 4th highest income quintile (OR: 1.38; 95%CI: 1.30-1.47), and peaked for those in the least affluent quintile (OR: 2.92; 95%CI: 2.77-3.09). Among individuals who had been hospitalized at least once for COPD in the study period, and compared with the most affluent group, the adjusted odds of readmission were highest in the least affluent group (OR: 1.39; 95%CI: 1.22-1.58). Conclusions: Despite Canada's system of universal coverage for physician and hospital care, a clear income gradient in the risk of being hospitalized and, to some extent, rehospitalized for COPD, is found. Income inequalities may be contributing to excess hospitalizations, reinforcing the importance of integrating social and economic issues in primary care to meet the ambulatory needs of this population.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,279
Score d'incertitude au seuil0,556

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,117
Tête enseignante GPT0,453
Écart entre enseignants0,336 · 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

Citations2
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data Science→Même sujetPrimary Care and Health Outcomes→Travaux en français237 207→