Inequalities in Ambulatory Care Sensitive Conditions: An International Comparison of High-Income Countries
Notice bibliographique
Résumé
ObjectiveTo examine the differences in inequalities in Ambulatory Care Sensitive Conditions (ACSC) hospitalizations relative to socioeconomic status across nine countries, namely Australia, Canada, England, Finland, France, New Zealand, Spain, Switzerland, and the United States (US). ApproachThe International Collaborative on Costs, Outcomes, and Needs in Care (ICCONIC) research collaborative developed national data sets with hospitalization and sociodemographic data aggregated to small-area levels and pooled across countries using a common data model. Inequalities were assessed using both the slope index of inequality and the relative index of inequality. ResultsThis study developed a common definition and set of codes for ACSC hospitalizations that proved to be comparable across countries and regions. Consistent socioeconomic gradients were observed in all countries with higher ACSC hospitalization rates for individuals in most disadvantaged areas. The greatest difference in hospitalizations between the highest and lowest income quintiles were observed in New Zealand (1603 per 100,000), Finland (1802 per 100,000) and England (1955 per 100,000). ConclusionsThe high-income countries included in this study displayed many commonalities in inequalities in ACSC hospitalizations. As a proxy measure of primary care access and quality, the observed inequalities may implicate disparities in health care quality and access for the lowest socioeconomic status groups. ImplicationsBarriers to health care access in low socioeconomic groups remain a complex and multifaceted issue. Future research should investigate the underlying contributing factors to the observed ACSC hospitalization equity gradients, including primary care delivery model, remuneration approach, and population structure.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,004 |
| 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 ».