MétaCan
Menu
← Retour à la cohorte
Enregistrement W4317878621 · doi:10.1370/afm.21.s1.3670

Examining Primary Care Performance by Population Segments in Three Canadian Provinces: are there Healthcare Disparities?

2023· article· en· W4317878621 sur OpenAlexaboutno aff
Sabrina T. Wong, Ruth Lavergne, Sharon Johnston, Kimberlyn McGrail

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineContext (archaeology)PopulationSocioeconomic statusDescriptive statisticsEmergency departmentHealth careMedical prescriptionMedical emergencyFamily medicineEnvironmental healthGeographyNursing

Résumé

récupéré en direct d'OpenAlex

Context: Information in primary care can be more actionable and guide planning if there is some population disaggregation based on differences in expected needs for care. Additionally, few studies have incorporated vulnerability into population segments, likely because of the complexity and evolving understanding of this construct, and because of the limits of routinely available data to measure it. Objective: To identify population segments, stratified by expected need for care, across three Canadian provinces (British Columbia-BC, Ontario-ON, Nova Scotia-NS) and report on variation in comparable primary care administrative data metrics by socioeconomic status (SES). Study Design and Analysis: Cross sectional study. We created four segments of the population: low need, multiple morbidities, medically complex, and frail using patient characteristics, physician and hospital billings, prescription medicines data, and emergency department visits within each province. We used descriptive statistics and rates to examine primary care performance where administrative data can be accurate. Dataset: Separate provincial administrative data (2013-2016): patient characteristics, physician billings, hospital billings and emergency department visits. Population Studied: adults (> 18 years) living in BC, ON, NS. Exposure: low/high SES within each segment. Outcome measures: % of pts (aged 65+) diagnosed with diabetes with Metformin as first hypoglycemic and emergency room visits for all. We also examined osteoporosis screening for those aged 65+ in BC and ON. Results: There were >1 million adults in each province who were eligible for health insurance during the study period. Regardless of SES status, NS had the highest emergency room visits for those in the multiple morbidity and medically complex segments compared to BC and ON. Compared to those in the high SES category within each segment, those in the low SES had a higher number of emergency room visits, those aged 65+ did not have Metformin as their first hypoglycemic if diagnosed with diabetes and were less likely to be screened for osteoporosis. More people in the low SES multiple morbidity, medically complex and frail segments are more likely to have 4 or more chronic conditions in all provinces. Conclusions: Four distinct population segments have potential utility for primary care performance measurement and reporting. Within each segment those with lower SES experienced health care disparities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,043
Score d'incertitude au seuil0,315

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,009
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,077
Tête enseignante GPT0,363
Écart entre enseignants0,286 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPrimary Care and Health Outcomes→Travaux en français237 207→