Socioeconomic inequity in the utilization of healthcare among people with eating disorders in Australia
Notice bibliographique
Résumé
BACKGROUND: Little is known about socioeconomic equity in access to healthcare among people with eating disorders in Australia. This study aims to measure the extent of inequity in eating disorder-related healthcare utilization, analyze trends, and explore the sources of inequalities using New South Wales (NSW) administrative linked health data for 2005 to 2020. METHODS: Socioeconomic inequities were measured using concentration index approach, and decomposition analysis was conducted to explain the factors accounting for inequality. Healthcare utilization included: public inpatient admissions, private inpatient admissions, visits to public mental health outpatient clinics and emergency department visits, with three different measures (probability of visit, total and conditional number of visits) for each outcome. RESULTS: Private hospital admissions due to eating disorders were concentrated among individuals from higher socioeconomic status (SES) from 2005 to 2020. There was no significant inequity in the probability of public hospital admissions for the same period. Public outpatient visits were utilized more by people from lower SES from 2008 to 2020. Emergency department visits were equitable, but more utilized by those from lower SES in 2020. CONCLUSIONS: Public hospital and emergency department services were equitably used by people with eating disorders in NSW, but individuals from high SES were more likely to be admitted to private hospitals for eating disorder care. Use of public hospital outpatient services was higher for those from lower SES. These findings can assist policymakers in understanding the equity of the healthcare system and developing programs to improve fairness in eating disorder-related healthcare in NSW.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».