MétaCan
Menu
Retour à la cohorte
Enregistrement W4308842213 · doi:10.3389/fpain.2022.1014793

Distinct care trajectories among persons living with arthritic conditions: A two-year state sequence analysis

2022· article· en· W4308842213 sur OpenAlexafffundabout
Hermine Lore Nguena Nguefack, M. Gabrielle Pagé, Manon Choinière, Alain Vanasse, Simon Deslauriers, Adriana Angarita Fonseca, Marc‐André Blanchette, Anaïs Lacasse

Notice bibliographique

RevueFrontiers in Pain Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensUniversité du Québec à Trois-RivièresCentre intégré universitaire de santé et de services sociaux de la Capitale-NationaleCentres Intégré Universitaires de Santé et de Services SociauxUniversité du Québec en Abitibi-TémiscamingueCentre Hospitalier Universitaire de SherbrookeUniversité de SherbrookeUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésSequence (biology)State (computer science)GerontologyMedicineDemographyComputer scienceBiologyGeneticsSociologyAlgorithm

Résumé

récupéré en direct d'OpenAlex

Objectives Developing solutions to optimize care trajectories (CareTs) requires examining patient journeys through the health care system. This study aimed to describe CareTs among people living with arthritis and evaluate their association with self-reported health outcomes. Methods Analyses were conducted using the TorSaDE Cohort ( n = 102,148), which connects the 2007 to 2016 Canadian Community Health Surveys (CCHS) with Quebec administrative databases (longitudinal claims). CareTs of participants living with arthritis according to CCHS ( n = 16,631), over the two years before CCHS completion, were clustered using state sequence analysis (months as a time unit). CareT group membership was then put in association with self-reported outcomes (pain intensity and interference, self-perceived general and mental health). Results The analysis revealed five CareT groups characterized predominantly by: (1) arthritis-related visits to a specialist ( n = 2,756; 16.6%), (2) arthritis-related emergency department visits ( n = 2,928; 17.6%), (3) very high all-cause health care utilization and arthritis-related hospitalizations ( n = 1,570; 9.4%), (4) arthritis-related medical visits to general practitioners and specialists ( n = 2,708; 16.3%), (5) low all-cause health care utilization ( n = 6,669; 40.1%). Multivariable results revealed that CareT group membership was associated with higher levels of pain interference (CareT group #3 vs. #5: OR: 1.4, 95%CI: 1.1–1.8) and fair/poor self-perceived general health (CareT group #1 vs. #5: OR: 1.551, 95%CI: 1.319–1.824; #2 vs. #5: OR: 1.244, 95%CI: 1.062–1.457; #3 vs. #5: OR: 1.771, 95%CI: 1.451–2.162; #4 vs. #5: OR: 1.481, 95%CI: 1.265–1.735). Discussion Sate sequence analysis is an innovative method of studying CareTs and valuable for making evidence-based decisions taking into account inter- and intra-individual variability.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,219
Score d'incertitude au seuil0,478

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,023
Tête enseignante GPT0,336
Écart entre enseignants0,312 · 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.

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

Citations5
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in Pain ResearchMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207