The Impact of COVID-19 on First Nations People Health Assessments in Australia
Notice bibliographique
Résumé
The COVID-19 (coronavirus disease 2019) pandemic has the potential to worsen existing health inequalities faced by Aboriginal and Torres Strait Islander peoples in Australia. We aimed to assess the impact of the pandemic on First Nations people health assessments using an interrupted time series model utilizing data extracted from the Australian Medicare Benefits Schedule database. Additive triple exponential smoothing was used to model health assessments undertaken between January 2017 and December 2019. The model was used to predict health assessments between January 2020 and June 2020 with 95% confidence ( P < .05). There was no significant difference between observed and predicted First Nations people health assessments in January, February, and June 2020. However, we found a statistically significant decrease in health assessments in March (16.5%), April (23.1%), and May (17.2%) 2020. The proportion of total health assessments delivered via telehealth was 0.5%, 23.6%, 17.6%, and 10.0% for March, April, May, and June 2020, respectively. The decrease in total First Nations people health assessments compounds the risk of poorer health outcomes in this population already vulnerable due to a high burden of chronic disease and considerable social, economic, and health inequalities. Strategies to improve the delivery of telehealth for First Nations people must be considered.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».