MétaCan
Menu
Retour à la cohorte
Enregistrement W4210819672 · doi:10.9778/cmajo.20210043

Patient characteristics associated with enrolment under voluntary programs implemented within fee-for-service systems in British Columbia and Quebec: a cross-sectional study

2022· article· en· W4210819672 sur OpenAlexafffundvenueabout
M. Ruth Lavergne, Caroline King, Sandra Peterson, Leora Simon, Catherine Hudon, Christine Loignon, Rita McCracken, Austyn Brackett, Kim McGrail, Erin Strumpf

Notice bibliographique

RevueCMAJ Open · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensMcGill UniversityInstitut National d'Excellence en Santé et en Services SociauxUniversity of British ColumbiaMcGill-Queen's University PressMcGill University Health CentreUniversité de SherbrookeProvidence Health CareDalhousie University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésIncentiveResidenceMedicinePopulationOddsLogistic regressionNeighbourhood (mathematics)Incentive programFee-for-serviceCross-sectional studyOdds ratioPsychological interventionFamily medicineHealth careDemographyEnvironmental healthNursingEconomic growth

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is a paucity of information on patient characteristics associated with enrolment under voluntary programs (e.g. incentive payments) implemented within fee-for-service systems. We explored patient characteristics associated with enrolment under these programs in British Columbia and Quebec. METHODS: We used linked administrative data and a cross-sectional design to compare people aged 40 years or more enrolled under voluntary programs to those who were eligible but not enrolled. We examined 2 programs in Quebec (enrolment of vulnerable patients with qualifying conditions [implemented in 2003] and enrolment of the general population [2009]) and 3 in BC (Chronic disease incentive [2003], Complex care incentive [2007] and enrolment of the general population [A GP for Me, 2013]). We used logistic regression to estimate the odds of enrolment by neighbourhood income, rural versus urban residence, previous treatment for mental illness, previous treatment for substance use disorder and use of health care services before program implementation, controlling for characteristics linked to program eligibility. RESULTS: In Quebec, we identified 1 569 010 people eligible for the vulnerable enrolment program (of whom 505 869 [32.2%] were enrolled within the first 2 yr of program implementation) and 2 394 923 for the general enrolment program (of whom 352 380 [14.7%] were enrolled within the first 2 yr). In BC, we identified 133 589 people eligible for the Chronic disease incentive, 47 619 for the Complex care incentive and 1 349 428 for A GP for Me; of these, 60 764 (45.5%), 28 273 (59.4%) and 1 066 714 (79.0%), respectively, were enrolled within the first 2 years. The odds of enrolment were higher in higher-income neighbourhoods for programs without enrolment criteria (adjusted odds ratio [OR] comparing highest to lowest quintiles 1.21 [95% confidence interval (CI) 1.20-1.23] in Quebec and 1.67 [95% CI 1.64-1.69] in BC) but were similar across neighbourhood income quintiles for programs with health-related eligibility criteria. The odds of enrolment by urban versus rural location varied by program. People treated for substance use disorders had lower odds of enrolment in all programs (adjusted OR 0.60-0.72). Compared to people eligible but not enrolled, those enrolled had similar or higher numbers of primary care visits and longitudinal continuity of care in the year before enrolment. INTERPRETATION: People living in lower-income neighbourhoods and those treated for substance use disorders were less likely than people in higher-income neighbourhoods and those not treated for such disorders to be enrolled in programs without health-related eligibility criteria. Other strategies are needed to promote equitable access to primary 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,174
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,061
Tête enseignante GPT0,386
Écart entre enseignants0,325 · 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.

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
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCMAJ OpenMême sujetHomelessness and Social IssuesTravaux en français237 207