Assessing the impact of attachment to primary care and unattachment duration on healthcare utilization and cost in Ontario, Canada: a population-based retrospective cohort study using health administrative data
Notice bibliographique
Résumé
BACKGROUND: Insufficient access to primary care remains a major public health issue in Ontario, Canada, particularly for unattached residents (i.e., those who are not formally enrolled with a primary care provider, usually a family physician or occasionally a nurse practitioner). This study evaluates healthcare utilization and costs among unattached individuals, focusing on the impact of unattachment duration. METHODS: We conducted a population-based retrospective cohort study using health administrative data, comparing provincially insured residents who maintained a consistent attachment status over the 12-month period (April 1, 2021, to March 31, 2022) to those who were unattached. We employed multivariable regression analyses to examine the associations between attachment status, duration of unattachment, demographic and patient health characteristics, and healthcare utilization and costs. RESULTS: Prolonged periods of unattachment to primary care were significantly associated with increased healthcare costs, particularly in populations with a higher burden of comorbidities. In the context of healthcare costs, attached residents with low comorbidities had a median cost of $287, increasing to $3,711 (cost ratio: 12.93, CI: 12.86-13.01, p < 0.0001) for those with high comorbidities. Unattached individuals with low comorbidities had a median cost of $238 (cost ratio: 0.83, CI: 0.82-0.83, p < 0.0001), rising to $7,106 (cost ratio: 24.76, CI: 24.27-25.26, p < 0.0001) for high comorbidities, and up to $8,177 (cost ratio: 28.49, CI: 26.61-30.49, p < 0.0001) for long-term unattached with high comorbidities. CONCLUSIONS: Our findings underscore the substantial impact of long-term unattachment on both individual patients and the healthcare system, with higher levels of chronic disease further exacerbating these effects. These results are crucial for shaping programs and policies to maximize their impact on reducing emergency department visits, hospitalizations, and overall healthcare costs.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».