MétaCan
Menu
Retour à la cohorte
Enregistrement W4381548525 · doi:10.1016/j.hctj.2023.100004

Health status and health care utilization profiles of adolescents with disabilities

2023· article· en· W4381548525 sur OpenAlexafffundabout
Shauna Kingsnorth, Yani Hamdani, Clare Cheng, Sally Lindsay, Joanne Maxwell, Angela Colantonio, Mark Bayley, Colin Macarthur

Notice bibliographique

RevueHealth Care Transitions · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAdolescent and Pediatric Healthcare
Établissements canadiensCentre for Addiction and Mental HealthInstitute for Clinical Evaluative SciencesUniversity Health NetworkUniversity of TorontoSickKids FoundationHolland Bloorview Kids Rehabilitation HospitalHospital for Sick ChildrenToronto Rehabilitation Institute
Organismes subventionnairesMinistry of Long-Term CareKementerian Kesihatan MalaysiaCanada Research ChairsInstitute for Clinical Evaluative SciencesOntario Neurotrauma FoundationMinistry of Health, Ontario
Mots-clésHealth careMedicineQuality of life (healthcare)Cerebral palsyAcquired brain injuryRehabilitationEmergency departmentObservational studyGerontologyFamily medicinePhysical therapyNursing

Résumé

récupéré en direct d'OpenAlex

Background: Adolescents with physical disabilities of childhood often require a transition from pediatric to adult systems as part of life-long, comprehensive health care once they reach 18 years of age. The process of transition can be complex, challenging, and influenced by health-related factors and availability of health care resources. Objective: To provide a baseline profile of health-related quality of life, health management, social participation, and health care utilization for adolescents 16 years of age with spina bifida (SB), acquired brain injury (ABI), or cerebral palsy (CP) in Toronto, Canada. Methods: A cross-sectional survey design was used. A sample was drawn from a large, urban pediatric rehabilitation hospital as part of a prospective, longitudinal, observational mixed-methods study. Seven English language, paper-copy standardized measures were completed; measures were organized across the three domains of interest. Health care utilization data were obtained from population-based, health services administrative datasets held by ICES. These data included outpatient physician visits, emergency department visits, and hospitalizations over a 12-month period, beginning at their 16th birthday. Results: The sample comprised 99 participants: survey measures were completed by 59 participants (12 SB, 19 ABI, and 28 CP) and health care utilization obtained for 92 participants (19 SB, 25 ABI, and 48 CP). Baseline scores across measures and rates of health care utilization are provided. All three groups reported relatively good health-related quality of life. Youth with CP had lower scores on health utility, health management, and social participation, compared with the SB and ABI groups. Youth with SB had slightly higher health care utilization in the 12-month period after their 16th birthday, compared with the ABI and CP groups. Conclusions: This cross-sectional survey collected comprehensive health status and health care utilization data on 16-year-old youth with SB, ABI, and CP in Toronto, Canada. With few exceptions, the CP group consistently scored lower across measurement domains. These baseline data may be useful for hospital administrators, policy makers, and researchers examining changes in health-related quality of life, health management, social participation, and health care utilization among youth with SB, ABI, and CP, particularly in the context of transition planning and evaluation.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,275
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
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 Opus0,112
Tête enseignante GPT0,445
Écart entre enseignants0,333 · 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.

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

Citations2
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth Care TransitionsMême sujetAdolescent and Pediatric HealthcareTravaux en français237 207