Exploring social inequalities in healthcare trajectories following diagnosis of diabetes: a state sequence analysis of linked survey and administrative data
Notice bibliographique
Résumé
BACKGROUND: Social inequalities in complications associated with diabetes mellitus persist. As a primary care sensitive condition (PCSC), this association could be related to differential access to primary care. Our objectives are to establish a typology of care trajectories following a new diagnosis, and to explore social determinants of trajectories. METHODS: We used the TorSaDe (The Care Trajectories-Enriched Data) cohort, which links Canadian Community Health Survey respondents to health administrative data. Care trajectories were mapped over a two-year period following a new diagnosis and analysed using state sequence and clustering methods. Associations between individual and geographic characteristics with trajectory types were assessed with multinomial logistic regression. RESULTS: Three trajectories were identified: Regular Family Physician (FP) Predominant, Specialist Physician Predominant, and Few Services. With Regular FP as the reference, males had higher odds of experiencing the Few Services trajectory, higher education was associated with higher odds of both the Few Services and the Specialist trajectories, and immigrants had higher odds of the Specialist trajectory. Diagnoses in a physician's office, as opposed to in hospital, were associated with higher odds of the Regular FP trajectory. CONCLUSIONS: The Regular FP trajectory most closely aligns with the management principles of the PCSC approach. We did not find strong evidence of social status privileging access to this trajectory. However, the association with location of diagnosis suggests that efforts to ensure patients diagnosed in hospital are well linked to a regular family physician for follow up may help to reduce unnecessary specialist use and meet PCSC goals.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».