Primary Care Visit Rates Among Canadian Veterans in Ontario: A Retrospective Cohort Study of Sex- and Length of Service-stratified Comparisons With Nonveterans
Notice bibliographique
Résumé
INTRODUCTION: Research comparing primary care (PC) use among veterans and nonveterans has not widely considered the impact of sex and length of service on the association between veteran status and PC use. We calculated relative differences in the rate of PC visits between Canadian Armed Forces and Royal Canadian Mounted Police veterans and nonveterans overall and by sex and length of service. MATERIALS AND METHODS: We conducted a matched, retrospective cohort study of Canadian veterans and nonveterans residing in Ontario, Canada between 1990 and 2019 using routinely collected linked administrative health care data held at ICES (formerly known as the Institute for Clinical Evaluative Sciences). We compared PC visit rates using multivariable Andersen-Gill (AG) recurrent event regression models. Effect measure modification by sex and length of service was investigated using statistical interaction terms. RESULTS: Overall, veterans had a higher adjusted relative rate (aRR) of PC visits compared to nonveterans (aRR 1.06, 95% CI 1.04-1.07). Male veterans had an aRR of 1.07 (95% CI, 1.05-1.09), while females had an aRR of 1.31 (95% CI, 1.26-1.36). Veterans who served for <5 years had a significantly higher rate of PC visits relative to nonveterans (RR 1.09, 95% CI 1.03-1.15), while veterans who served for ≥30 years had comparable rates to nonveterans (RR 1.00, 95% CI 0.97-1.02). CONCLUSIONS: Veterans had an overall higher rate of PC visits compared to nonveterans, and the effect of veteran status appeared stronger among females and veterans with fewer years of service. The observed differences in rates of PC use could be the result of increased need, increased access to PC, or proactive health care-seeking behaviors retained from military service.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».