MétaCan
Menu
Retour à la cohorte
Enregistrement W3125784342 · doi:10.1136/bmjopen-2020-041474

Geographical disparities in access to hospital care in Ontario, Canada: a spatial coverage modelling approach

2021· article· en· W3125784342 sur OpenAlexafffundabout
Erjia Ge, Min Su, Ruiling Zhao, Zhiyong Huang, Yina Shan, Xiaolin Wei

Notice bibliographique

RevueBMJ Open · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineHealth carePopulationDistance decayInpatient careMedical emergencyEnvironmental healthGeographyEconomic growth

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Previous studies on geographical disparities in healthcare access have been limited by not accounting for the healthcare provider's capacity, a key determinant of supply and demand relationships. DESIGN: This study proposed a spatial coverage modelling approach to evaluate disparities in hospital care access using Canadian Institute for Health Information data in 2007. SETTING: This study focusses on accessibility of inpatient and emergency cares at both levels of individual hospital and the administrative regions of Local Health Integration Network (LHIN) levels. MEASURES: We integrated a set of traffic and geographical data to precisely estimate travel time as a measure of the level of accessibility to the nearest hospital by three scenarios: walking, driving and a combination of the both. We estimated population coverage rates, using hospital capacities and population in the catchments, as a measure of the level of the healthcare availability. Hospital capacities were calculated based on numbers of medical staff and beds, occupation rates and annual working hours of healthcare providers. RESULTS: We observed significant disparities in hospital capacity, travel time and population coverage rate across the LHINs. This study included 25 teaching and 148 community hospitals. The teaching hospitals had stronger capacities with 489 209 inpatient and 130 773 emergency patients served in the year, while the population served in community hospitals were 2.64 times higher. Compared with north Ontario, more locations in the south could reach to hospitals within 30 min irrespective of the travel mode. Additionally, Northern Ontario has higher population coverage rates, for example, with 42.6~46.9% for inpatient and 15.7~44% for emergency cares, compared with 2.4~34.7% and 0.35~14.6% in Southern Ontario, within a 30 min catchment by driving. CONCLUSION: Creating a comprehensive, flexible and integrated healthcare system should be considered as an effective approach to improve equity in access to care.

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)0,000
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 enseignants0,026
Score d'incertitude au seuil0,812

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,059
Tête enseignante GPT0,340
Écart entre enseignants0,281 · 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

Citations36
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetUrban Transport and AccessibilityTravaux en français237 207