Patterns and determinants of health care utilization among people with Parkinson’s disease: A population-based analysis in Ontario, Canada
Notice bibliographique
Résumé
In Ontario, despite the increasing prevalence of Parkinson's disease (PD), barriers to access-to-care for people with Parkinson's disease (PwP) and their caregivers are not well understood. The objective of this study is to examine spatial patterns of health care utilization among PwP and identify factors associated with PD-related health care utilization of individuals in Ontario. We employed a retrospective, population-based study design involving administrative health data to identify PwP as of March 31, 2018 (N = 35,482) using a previously validated case definition. An enhanced 2-step floating catchment area method was used to measure spatial accessibility to PD care and a descriptive spatial analysis was conducted to describe health service utilization by geographic area and specialty type. Negative binomial regression models were then conducted to identify associated geographic, socioeconomic, comorbidity and demographic factors. There was marked spatial variability in PD-related service utilization, with neurology and all provider visits being significantly higher in urban areas (CMF>1.20; p<0.05) and family physician visits being significantly higher (CMF >1.20; p<0.05) in more rural areas and remote areas. More frequent visits to family physicians were associated with living in rural areas, while less frequent visitation was associated with living in areas of low spatial accessibility with high ethnic concentration. Visits to neurologists were positively associated with living in areas of high spatial accessibility and with high ethnic concentration. Visits to all providers were also positively associated with areas of high spatial accessibility. For all outcomes, less frequent visits were found in women, older people, and those living in more deprived areas as years living with PD increased. This study demonstrates the importance of geographic, socioeconomic and individual factors in determining PwP's likelihood of accessing care and type of care provided. Our results can be expected to inform the development of policies and patient care models aimed at improving accessibility among diverse populations of PwP.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».