Surgical wait times and socioeconomic status in a public healthcare system: a retrospective analysis
Notice bibliographique
Résumé
BACKGROUND: One aim of publicly-funded health care systems is to provide equitable access to care irrespective of ability to pay. At the same time, differences in socioeconomic status (SES) are associated with health outcomes and access to care, including waiting times for surgery. In public systems where both high- and low-SES patients use the same resources, low-SES patients may be adversely impacted in surgical waiting times. The purpose of this study was to determine whether a publicly-funded health system can provide equitable access to surgical care across socioeconomic status. METHODS: Patient-level records were obtained from a comprehensive provincially-administered surgical wait time database, encompassing years 2006-2015 and 98% of Ontario hospitals. Patient SES was determined by linking postal code with the Material and Social Deprivation Index. Surgical waiting times (time in days between decision to treat and surgery) accounted for patient-initiated delays in treatment, and regression analysis considered age, SES, rurality, sex, priority level for surgical urgency (assigned by surgeons), surgical subspecialty, number of visits, and procedure year. RESULTS: For the 4,253,305 surgical episodes, the mean wait time was 62.3 (SD 75.4) days. Repeated measures least squares regression analysis showed the least deprived SES quintile waited 3 days longer than the most deprived quintile. Wait times dropped in the initial study period but then increased. The proportion of procedures exceeding wait time access targets remained low at 11-13%. CONCLUSIONS: The least deprived SES quintile waited the longest, although the absolute difference was small. This study demonstrates that publicly-funded healthcare systems can provide equitable access to surgical care across SES.
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 | 0,012 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».