Utilization of Health Services Before and After Diagnosis in a Specialist Rural and Remote Memory Clinic
Notice bibliographique
Résumé
Background Limited research exists on the use of specific health services over an extended time among rural persons with dementia. The study objective was to examine health service use over a 10-year period, five years before until five years after diagnosis in the specialist Rural and Remote Memory Clinic (RRMC). Methods Clinical and administrative health data of RRMC patients were linked. Annual health service utilization of the cohort (N = 436) was analyzed for 416 patients pre-index (57.5% female, mean age 71.2 years) and 419 post-index (56.3% female, mean age 70.8 years). Approximately 40% of memory clinic diagnoses were Alzheimer’s disease (AD), 20% non-AD dementia, and 40% mild or subjective cognitive impairment or other condition. Post-index, 188 patients (44.9%) moved to permanent long-term care and were retained in the sample; 121 patients died (28.9%) and were removed yearly. Results Over the ten-year study period, a significant increase occurred in the average number of FP visits, all-type drug prescriptions, and dementia-specific drug prescriptions (all p <.001). The highest proportion of patients hospitalized was observed one year pre-index, the highest average number of specialist visits was observed one year post-index, and both demonstrated a significant decreasing trend in the five-year post-index period (p = .037). Conclusions A pattern of increasing FP visits and drug prescriptions over an extended period before and after diagnosis in a specialist rural and remote memory clinic highlights a need to support FPs in post-diagnostic management. Further research of longitudinal patterns in health service utilization is merited.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».