MétaCan
Menu
Retour à la cohorte
Enregistrement W4389627518 · doi:10.1016/j.jhealeco.2023.102841

Socioeconomic status and access to mental health care: The case of psychiatric medications for children in Ontario Canada

2023· article· en· W4389627518 sur OpenAlexafffundabout
Janet Currie, Paul Kurdyak, Jonathan Zhang

Notice bibliographique

RevueJournal of Health Economics · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensMcMaster UniversityUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNOMIS StiftungInstitute for Clinical Evaluative Sciences
Mots-clésSocioeconomic statusPsychiatryMedicineContext (archaeology)Mental healthDepression (economics)AnxietyPublic healthEnvironmental healthPopulation

Résumé

récupéré en direct d'OpenAlex

We examine differences in the prescribing of psychiatric medications to lower-income and higher-income children in the Canadian province of Ontario using rich administrative data that includes diagnosis codes and physician identifiers. Our most striking finding is that conditional on diagnosis and medical history, low-income children are more likely to be prescribed antipsychotics and benzodiazepines than higher-income children who see the same doctors. These are drugs with potentially dangerous side effects that ideally should be prescribed to children only under narrowly proscribed circumstances. Lower-income children are also less likely to be prescribed SSRIs, the first-line treatment for depression and anxiety conditional on diagnosis. Hence, socioeconomic differences in the prescribing of psychotropic medications to children persist even in the context of universal public health insurance and universal drug coverage.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,162
Score d'incertitude au seuil0,710

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,043
Tête enseignante GPT0,324
Écart entre enseignants0,282 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations13
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Health EconomicsMême sujetHealthcare Policy and ManagementTravaux en français237 207