Linked administrative data’s role in Victoria’s first social impact investment, journey to social inclusion, working to end chronic homelessness
Notice bibliographique
Résumé
IntroductionIndigenous people worldwide are overrepresented and adversely effected by diabetes and its complications. Optimal glycemic control and lipid monitoring is fundamental to the management of diabetes. This study linked population level data to assess monitoring, treatment and control of blood sugars and lipids in First Nations’ people in Ontario. Objectives and ApproachWe linked 17 Ontario population-based health administration datasets at the individual level with the Indian Register dataset. The latter provides information on all registered or Status First Nations people in Canada . Age and sex-adjusted rates of HbA1c and lipid monitoring were calculated for each 12-month period from April 1, 1995, to March 31, 2015.). We assessed the proportion of individuals with diabetes whose HbA1c and lipid values were controlled. To capture prescriptions for antidiabetic drugs, we used the Drug Identification Number database to identify all antidiabetic drugs and linked these to the Ontario Drug Benefit database to capture prescription information. ResultsCompared with other people in Ontario, First Nations people with diabetes are monitored less for key indicators of diabetes control. In 2014/15, 37.0% of First Nations people with diabetes living in First Nations communities had their blood sugar levels monitored compared to 45.0% of other people in Ontario. A similar pattern was shown for lipid level monitoring, with 48.3% of First Nations people living in First Nations communities, and 65.8% of other people in Ontario having recorded lipid measurements. Conclusion / ImplicationsEarly screening for complications and screening for hemoglobin A1c is strongly recommended.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| 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 ».