POPULATION TRENDS IN HEALTHCARE USE BY MEXICAN ADULTS AGED 60 AND OLDER WITH AND WITHOUT COGNITIVE IMPAIRMENT
Notice bibliographique
Résumé
Abstract Government policies that have greatly expanded health insurance coverage in Mexico have taken place in the context of rapid population aging and an increasing number of older adults living with cognitive impairment. We used data from the Mexican Health and Aging Study to investigate population-level trends in self-reported healthcare use by cognitive status in 2001, 2012, 2015, and 2018. Healthcare measures included having an outpatient procedure, any doctor visits, staying >1 nights in the hospital, and screenings for high cholesterol, diabetes, and hypertension. All outcomes were dichotomized as yes/no. The sample sizes included 6179 (2001), 8924 (2012), 9429 (2015), and 8916 (2018) participants aged 60 and older who completed a direct interview (total N=33,448). Participants with cognitive impairment were identified using five cognitive assessments (2001 n=1000; 2012 n=1273; 2015 n=1467; 2018 n=1372). Generalized estimating equations that adjusted for demographic characteristics and self-reported health conditions were used. The adjusted odds of having spent >1 night in the hospital, outpatient procedures, any doctor visits, and preventive screenings were significantly higher in 2012, 2015, and 2018 than in 2001 regardless of cognitive status. Overall, participants with cognitive impairment had significantly higher adjusted odds for >1 nights in the hospital (OR=1.31, 95% CI=1.20-1.42), but significantly lower odds for any doctor visits (OR=0.81, 95% CI=0.75-0.88), outpatient procedures (OR=0.70, 95% CI=0.57-0.85), and preventive screenings for high cholesterol (OR=0.75, 95% CI=-.70-0.81), diabetes (OR=0.78, 95% CI=0.72-0.85), and hypertension (OR=0.76, 95% CI=0.70-0.82). These results are important to understanding the healthcare needs of Mexico’s growing older adult population.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».