MétaCan
Menu
Retour à la cohorte
Enregistrement W3119602211 · doi:10.1186/s12913-020-06032-5

Effect of socio-demographic and health factors on the association between multimorbidity and acute care service use: population-based survey linked to health administrative data

2021· article· en· W3119602211 sur OpenAlexafffundabout
Kathryn Fisher, Lauren E. Griffith, Andrea Gruneir, Ross Upshur, Lindsay Favotto, Francis Nguyen, Maureen Markle‐Reid, Jenny Ploeg

Notice bibliographique

RevueBMC Health Services Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensPublic Health OntarioImpactInstitute for Clinical Evaluative SciencesToronto Public HealthUniversity of AlbertaMcMaster University
Organismes subventionnairesCanadian Institutes of Health ResearchOntario Ministry of Health and Long-Term Care
Mots-clésMedicineHealth administrationEmergency departmentRuralityCommunity healthPublic healthHealth careNursing researchGerontologyDemographyHealth services researchPopulation healthPopulationEnvironmental healthRural areaNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: This study explores how socio-demographic and health factors shape the relationship between multimorbidity and one-year acute care service use (i.e., hospital, emergency department visits) in older adults in Ontario, Canada. METHODS: We linked multiple cycles (2005-2006, 2007-2008, 2009-2010, 2011-2012) of the Canadian Community Health Survey (CCHS) to health administrative data to create a cohort of adults aged 65 and older. Administrative data were used to estimate one-year service use and to identify 12 chronic conditions used to measure multimorbidity. We examined the relationship between multimorbidity and service use stratified by a range of socio-demographic and health variables available from the CCHS. Logistic and Poisson regressions were used to explore the association between multimorbidity and service use and the role of socio-demographic factors in this relationship. RESULTS: Of the 28,361 members of the study sample, 60% were between the ages of 65 and 74 years, 57% were female, 72% were non-immigrant, and over 75% lived in an urban area. Emergency department visits and hospitalizations consistently increased with the level of multimorbidity. This study did not find strong evidence of moderator or interaction effects across a range of socio-demographic factors. Stratified analyses revealed further patterns, with many being similar for both services - e.g., the odds ratios were higher at all levels of multimorbidity for men, older age groups, and those with lower household income. Rurality and immigrant status influenced emergency department use (higher in rural residents and non-immigrants) but not hospitalizations. Multimorbidity and the range of socio-demographic variables remained significant predictors of service use in the regressions. CONCLUSIONS: Strong evidence links multimorbidity with increased acute care service use. This study showed that a range of factors did not modify this relationship. Nevertheless, the factors were independently associated with acute care service use, pointing to modifiable risk factors that can be the focus of resource allocation and intervention design to reduce service use in those with multimorbidity. The study's results suggest that optimizing acute care service use in older adults requires attention to both multimorbidity and social determinants, with programs that are multifactorial and integrated across the health and social service sectors.

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)0,009
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,955

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,293
Tête enseignante GPT0,523
Écart entre enseignants0,230 · 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'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

Citations33
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetChronic Disease Management StrategiesTravaux en français237 207