Mapping Health Disparities in 11 High-Income Nations
Notice bibliographique
Résumé
Importance: Health care delivery faces a myriad of challenges globally with well-documented health inequities based on geographic location. Yet, researchers and policy makers have a limited understanding of the frequency of geographic health disparities. Objective: To describe geographic health disparities in 11 high-income countries. Design, Setting, and Participants: In this survey study, we analyzed results from the 2020 Commonwealth Fund International Health Policy (IHP) Survey-a nationally representative, self-reported, and cross-sectional survey of adults from Australia, Canada, France, Germany, the Netherlands, New Zealand, Norway, Sweden, Switzerland, the UK, and the US. Eligible adults older than age 18 years were included by random sampling. Survey data were compared for the association of area type (rural or urban) with 10 health indicators across 3 domains: health status and socioeconomic risk factors, affordability of care, and access to care. Logistic regression was used to determine the associations between countries with area type for each factor, controlling for individuals' age and sex. Main Outcomes and Measures: The main outcomes were geographic health disparities as measured by differences in respondents living in urban and rural settings in 10 health indicators across 3 domains. Results: There were 22 402 survey respondents (12 804 female [57.2%]), with a 14% to 49% response rate depending on the country. Across the 11 countries and 10 health indicators and 3 domains (health status and socioeconomic risk factors, affordability of care, access to care), there were 21 occurrences of geographic health disparities; 13 of those in which rural residence was a protective factor and 8 of those where rural residence was a risk factor. The mean (SD) number of geographic health disparities in the countries was 1.9 (1.7). The US had statistically significant geographic health disparities in 5 of 10 indicators, the most of any country, while Canada, Norway, and the Netherlands had no statistically significant geographic health disparities. The indicators with the most occurrences of geographic health disparities were in the access to care domain. Conclusions and Relevance: In this survey study of 11 high-income nations, health disparities across 10 indicators were identified. Differences in number of disparities reported by country suggest that health policy and decision makers in the US should look to Canada, Norway, and the Netherlands to improve geographic-based health equity.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».