Distinct healthcare utilization profiles of high healthcare use tuberculosis survivors: A latent class analysis
Notice bibliographique
Résumé
BACKGROUND: Recent data have demonstrated that healthcare use after treatment for respiratory tuberculosis (TB) remains elevated in the years following treatment completion. However, it remains unclear which TB survivors are high healthcare users and whether any variation exists within this population. Thus, the primary objective of this study was to identify distinct profiles of high healthcare-use TB survivors to help inform post-treatment support and care. METHODS: Using linked health administrative data from British Columbia, Canada, we identified foreign-born individuals who completed treatment for incident respiratory TB between 1990 and 2019. We defined high healthcare-use TB survivors as those in the top 10% of annual emergency department visits, hospital admissions, or general practitioner visits among the study population during the five-year period immediately following TB treatment completion. We then used latent class analysis to categorize the identified high healthcare-use TB survivors into subgroups. RESULTS: Of the 1,240 people who completed treatment for respiratory TB, 258 (20.8%) people were identified as high post- TB healthcare users. Latent class analysis results in a 2-class solution. Class 1 (n = 196; 76.0%) included older individuals (median age 71.0; IQR 59.8, 79.0) with a higher probability of pre-existing hypertension and diabetes (41.3% and 33.2%, respectively). Class 2 (n = 62; 24.0%) comprised of younger individuals (median age 31.0; IQR 27.0, 41.0) with a high probability (61.3%) of immigrating to Canada within five years of their TB diagnosis and a low probability (11.3%) of moderate to high continuity of primary care. DISCUSSION: Our findings suggest that foreign-born high healthcare-use TB survivors in a high-resource setting may be categorized into distinct profiles to help guide the development of person-centred care strategies targeting the long-term health impacts TB survivors face.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».