Trends in companion animal access to veterinary care in Canada, 2007 to 2020.
Notice bibliographique
Résumé
Objective: Assess trends in access to veterinary care for companion animals in Canada. Procedure: Analysis and integration of available data, 2007 to 2020. Results: Cumulative growth in the Canadian veterinary workforce was 38%, and 49% for companion animal veterinarians. Clients per companion animal veterinarian decreased 30% from 2008 to 2020. Absolute client numbers increased 1.3%, compared to pet population growth of 17%. Medicalized pets (those that had received veterinary care in the past year) increased 25%, from 9.02 million in 2007 to 11.24 million in 2020. Non-medicalized pets increased 1.8%, from 4.48 million to 4.56 million. In 2007, 33% of pets were non-medicalized, compared to 29% (15% of dogs and 42% of cats) in 2020. There was a cumulative increase of 31% for total non-medicalized dogs, and a change of -5.6% for cats. Gross and net revenues per client increased by 99 and 112%, respectively, compared to cumulative inflation of 21%. Conclusion and clinical relevance: The analysis identified a large cohort of pets that had not received veterinary care each year. The trends were fewer clients per veterinarian, each paying higher veterinary costs, and suggested a relative, rather than absolute, veterinary capacity shortage overall. Accessible care-provision models must be encouraged, regulated for, and allowed to flourish alongside traditional models.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».