Determining the impact of specialized care on health outcomes and health care utilization in Parkinsonism
Notice bibliographique
Résumé
BACKGROUND: Although care of Parkinsonism (PKM) is assumed to be optimally provided by movement disorder neurologists within an interdisciplinary clinic model, there is a paucity of published data to support this. OBJECTIVES: To investigate the impact of movement disorder neurologist care of individuals with Parkinsonism (PKM). METHODS: A retrospective exposure design was adopted using administrative data. Incident PKM individuals were identified in billing claims. A nine-year exposure period to movement disorder neurologist, general neurologist and non-neurologist care was calculated based on the billing codes. Regression models were used to test the association of provider exposure on time to death and long-term care (LTC) admission. Linear models were used to test varying provider exposure and hospital admissions, hospital days and emergency department visits. RESULTS: 1914 incident individuals were identified. There was no difference in PKM mortality, emergency visits, hospital admissions, or hospital days between providers, however exposure to general neurology and non-neurology care was associated with a significantly higher risk of admission to LTC compared to movement disorder neurologist care (HR 1.43; 95% CI 1.09-1.87 for general neurology (p-value = 0.0089); HR 1.61; 95% CI 1.25-2.05 for non-neurology (p-value = 0.0002), respectively. CONCLUSION: Movement disorder neurologist care is associated with a lower risk of admission to LTC over general neurologist care in individuals with PKM.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».