MétaCan
Menu
Retour à la cohorte
Enregistrement W4220737763 · doi:10.1002/hpm.3451

Provincial variations in not having a regular medical doctor and having unmet healthcare needs among Canadians

2022· article· en· W4220737763 sur OpenAlexaffabout
Md Kamrul Islam, Peter Kellett

Notice bibliographique

RevueThe International Journal of Health Planning and Management · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésHealth carePsychological interventionMedicineFamily medicineLogistic regressionCommunity healthEnvironmental healthGerontologyNursingPublic healthEconomic growth

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Despite spending 11.0% of the total gross domestic product, the quality of healthcare services in Canada has received mixed reviews. We first separately examined provincial variations in not having a regular medical doctor and having unmet healthcare needs among Canadians. Second, we evaluated provincial variations in the impact of not having a regular medical doctor on having unmet healthcare needs among Canadians. METHODS: We applied logistic regressions using data from the 2014 and 2017-2018 Canadian Community Health Surveys (CCHS). The total sample size for this study was 120,345 individuals aged 12 years and older: 61,240 from the 2014 CCHS and 59,105 from the 2017-2018 CCHS. RESULTS: We found significant provincial variations in not having a regular medical doctor and having unmet healthcare needs among Canadians. People in Quebec and the Territories were more likely not to have a regular medical doctor than their peers in Alberta. People in Quebec and the Territories were also more likely to have unmet healthcare needs than their counterparts in Alberta. Not having a regular medical doctor impacted whether Canadians reported having unmet healthcare needs to varying degrees across provinces. CONCLUSION: Findings from this study may contribute to designing province-specific policy interventions and inform efforts that seek to address barriers to having a regular medical doctor and reducing unmet healthcare needs among Canadians.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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 seuil0,185

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,032
Tête enseignante GPT0,281
Écart entre enseignants0,249 · 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 source (Gemma direct ou Codex distillé), 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

Citations7
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Health Planning and ManagementMême sujetHealthcare Systems and ReformsTravaux en français237 207