Prevalence and patterns of multimorbidity among linguistic groups of patients receiving home care in Ontario: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Prior studies have demonstrated the negative impact of language barriers on access, quality, and safety of healthcare, which can lead to health disparities in linguistic minorities. As the population ages, those with multiple chronic diseases will require increasing levels of home care and long-term services. This study described the levels of multimorbidity among recipients of home care in Ontario, Canada by linguistic group. METHODS: Population-based retrospective cohort of 510,685 adults receiving home care between April 1, 2010, to March 31, 2018, in Ontario, Canada. We estimated and compared prevalence and characteristics of multimorbidity (2 or more chronic diseases) across linguistic groups (Francophones, Anglophones, Allophones). The most common combinations and clustering of chronic diseases were examined. Logistic regression models were used to explore the main predictors of 'severe' multimorbidity (defined as the presence of five or more chronic diseases). RESULTS: The proportion of home care recipients with multimorbidity and severe multimorbidity was 92% and 44%, respectively. The prevalence of multimorbidity was slightly higher among Allophones (93.6%) than among Anglophones (91.8%) and Francophones (92.4%). However, Francophones had higher rates of cardiovascular and respiratory disease (64.9%) when compared to Anglophones (60.2%) and Allophones (61.5%), while Anglophones had higher rates of cancer (34.2%) when compared to Francophones (25.2%) and Allophones (24.3%). Relative to Anglophones, Allophones were more likely to have severe multimorbidity (adjusted OR = 1.04, [95% CI: 1.02-1.06]). CONCLUSIONS: The prevalence of multimorbidity among Ontarians receiving home care services is high; especially for whose primary language is a language other than English or French (i.e., Allophones). Understanding differences in the prevalence and characteristics of multimorbidity across linguistic groups will help tailor healthcare services to the unique needs of patients living in minority linguistic situations.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».