Pandemic effects on health condition specific healthcare encounters in British Columbia, Canada.
Notice bibliographique
Résumé
ObjectiveWhile overall health service use declined following the start of the pandemic, the aim of this analysis is to generate insights to inform public health priorities by identifying higher-than-expected patterns of health care service use for some health condition and population groups.
 ApproachHealth care encounters for hospital, emergency department, and primary care encounters between 2011 and 2021 were categorized into condition groups according to the CIHI Population Grouping Methodology (British Columbia version). Actual health condition encounters were compared with ARIMA-based encounter forecasts to identify conditions with different-from-expected encounter rates in 2020 and 2021. For each of 225 CIHI-defined health conditions, we identified health conditions for which service use was higher-than-expected. Area-based socioeconomic status and virtual care visit data are examined to further explore conditions that continue to differ from their pre-pandemic encounter patterns.
 ResultsThis analysis demonstrates that some health condition groups have seen dramatic increases in service use. The three most impacted groups with higher-than-expected encounters are hypercholesterolaemia/high cholesterol [47.8% increase in average monthly encounters since 2019], emotional and behavioural disorder (w/onset generally in childhood) [+37.3%] and neurotic/anxiety/obsessive compulsive disorder [+28.0%]. Since the start of the pandemic in British Columbia, the health condition groups with both the highest volumes of services and higher than expected service use included: hypercholesterolemia & hypothyroidism, mental health conditions (eating disorder, depression, and others), hypertension and heart failure, and diabetes. Additional descriptive analysis explores potential inequities in encounters by socio-economic status and how virtual care has changed service patterns.
 ConclusionIncreased service use may reflect greater need, better access to virtual care or potential changes in diagnoses. Identifying patterns of higher-than-expected use can support program planning to address growing need in certain regions or populations. Additional exploration will be undertaken to examine lower-than-expected service use as potential unmet need.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».