MétaCan
Menu
Retour à la cohorte
Enregistrement W3209381524 · doi:10.1001/jamanetworkopen.2021.32397

Comparison of End-of-Life Care Between Recent Immigrants and Long-standing Residents in Ontario, Canada

2021· article· en· W3209381524 sur OpenAlexafffundabout
Bradley I. Quach, Danial Qureshi, Robert Talarico, Amy T. Hsu, Peter Tanuseputro

Notice bibliographique

RevueJAMA Network Open · 2021
Typearticle
Langueen
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensOttawa HospitalBruyèreUniversity of Ottawa
Organismes subventionnairesOntario Ministry of Health and Long-Term Care
Mots-clésImmigrationDemographyMedicineGerontologyCohortHealth careCohort studyPopulationEpidemiologyDescriptive statisticsRetrospective cohort studyGeographyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Importance: Recent immigrants face unique cultural and logistical challenges that differ from those of long-standing residents, which may influence the type of care they receive at the end of life. Objective: To compare places of care among recent immigrants and long-standing residents in Canada in the last 90 days of life. Design, Setting, and Participants: This population-based retrospective cohort study used linked health administrative data on individuals from Ontario, Canada, who died between January 1, 2013, and December 31, 2016, extracted on February 26, 2020. Individuals were categorized by immigration status: recent immigrants (since 1985) and long-standing residents. Data were analyzed from December 27, 2019, to February 26, 2020. Exposures: All decedents who immigrated to Canada between 1985 and 2016 were classified as recent immigrants. Subgroup analyses assessed the association of region of origin. Main Outcomes and Measures: The main outcome was place of care, including institutional and noninstitutional settings, in the last 90 days of life. Descriptive statistics were used to compare characteristics and health service utilization among recent immigrants and long-standing residents. Negative binomial regression models estimated the rate ratios (RR) of using acute care and long-term care in the last 90 days of life. Results: A total of 376 617 deceased individuals (median [IQR] age, 80 [68-88] years; 187 439 [49.8%] women and 189 178 [50.2%] men) were identified, among whom 22 423 (6.0%) were recent immigrants; recent immigrants were younger than long-standing residents (median [IQR] age, 76 [60-85] years vs 81 [69-88] years; P < .001), more likely to be living in lower income neighborhoods (12 357 immigrants [55.1%] vs 166 017 long-standing residents [46.9%] in the lower 2 income quintiles; P < .001), and had a higher Charlson Index score (score ≥5, 6294 immigrants [28.1%] vs 74 809 long-standing residents [21.1%]; P < .001). In the last 90 days of life, recent immigrants spent more days in intensive care units than long-standing residents (mean [SD], 2.64 [8.73] days vs 1.47 [5.70] days; P < .001), while long-standing residents spent more days using long-term care than recent immigrants (mean [SD], 19.49 [35.81] days vs 10.45 [27.42] days; P < .001). Being a recent immigrant was associated with a greater likelihood of acute inpatient care use (RR, 1.21; 95% CI, 1.18-1.24) and lower likelihood of long-term care use (RR, 0.66; 95% CI, 0.63-0.70), after adjusting for covariates. Conclusions and Relevance: These findings suggest that at the end of life, recent immigrants were significantly more likely to receive inpatient and intensive care unit services and die in acute care settings compared with long-standing residents. Further research is needed to examine differences in care preference and disparities for immigrant groups of different origins.

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 enseignants0,050
Score d'incertitude au seuil0,540

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,145
Tête enseignante GPT0,412
Écart entre enseignants0,266 · 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

Citations13
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetPalliative Care and End-of-Life IssuesTravaux en français237 207