Geographical discrepancy in oral food challenge utilization based on Canadian billing data
Notice bibliographique
Résumé
BACKGROUND: Oral food challenges (OFC) confer the highest sensitivity and specificity in diagnosis; however, uptake has been variable across clinical settings. Numerous barriers were identified in literature from inadequate training to resource access. OFC utilization patterns using billing data have not been previously studied. OBJECTIVE: The objective of this study is to explore the geographic differences in utilization of OFCs across Ontario and Québec using anonymized billing data from 2013 to 2017. METHODS: Anonymized OFC billing data were obtained between 2013 and 2017 from Ontario Health Insurance Plan (OHIP) and Régie de l'Assurance Maladie du Québec (RAMQ). The number of OFCs was extracted by location, billings, and physician demographics for clinic and hospital-based challenges. RESULTS: Over the period studied, the number of OFCs increased by 92% and 85% in Ontario clinics and Québec hospitals, respectively. For Ontario hospitals, the number of OFCs increased by 194%. While Québec performed exclusively hospital-based OFCs, after controlling for the population, the number of OFCs per 100,000 residents annually were similar to Ontario at 50 and 49 OFCs, respectively. The number of OFCs varied across the regions studied with an annual rate reaching up to 156 OFCs per 100,000 residents in urban regions and as low as 0.1 in regions furthest from city centers. CONCLUSION: OFC utilization has steadily increased over the last decade. There has been marked geographical discrepancies in OFC utilization which could be driven by the location of allergists and heterogeneity in their practices. More research is needed to identify barriers and propose solutions to them.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».