Healthcare costs at the end-of-life among immigrant and non-immigrant groups in Manitoba, Canada
Notice bibliographique
Résumé
ObjectivesIt is known that healthcare costs tend to increase during the last year of life. Recognizing the importance of efficient resource distribution for end-of-life care, this study compares healthcare costs incurred for migrants and long-term Manitobans and identifies the factors that impact healthcare costs during the last year of life. MethodsThis retrospective matched-cohort study used 15 databases linked at the individual-level, including immigration records, medical claims, hospital abstracts, drug prescriptions, emergency department visits, home care, long-term care, vital statistics mortality, housing and employment/income assistance, for those who died between January 2005 and December 2022 in Manitoba. Conditional zero-inflated gamma hurdle (ZIG) and quantile regression models were used. ResultsThe average end-of-life healthcare costs for international migrants (2469) and Long-term Manitobans (2362) were CA$44,909 and CA$16,593, respectively. According to the adjusted ZIG model, international migrants had 17% higher costs. Among international migrants, Government Assisted and Blended Visa Office-Referred Refugees (GAR/BVOR) had 36% higher costs than Long-term Manitobans. Additionally, costs were higher for those without a partner (13%), receiving employment/income assistance (30%), having higher comorbidity (309% for 4+ comorbidities vs. 0 comorbidities), death at the hospital (171%), and long-term care (169%). Adjusted Quantile regression analyses revealed that only GAR/BVOR had higher costs across all levels of the cost distribution than long-term Manitobans. ConclusionIn the last year of life, international migrants incurred greater healthcare costs than non-immigrants. However, the differences with non-immigrants varied depending on international migrants’ characteristics.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».