Inequalities in paediatric hospitalisations for costly and prevalent conditions in Ontario, Canada: a population-based cohort study
Notice bibliographique
Résumé
Background: Identifying inequalities is important for informing research, and policy efforts to reduce health disparities. This study measured the inequalities in hospitalisations for the costly and prevalent conditions in hospitalised children using association estimates. Methods: Population-based cohort study using health administrative databases in Ontario, Canada between 2014 and 2019. The hospitalisation rate was determined for the costly and prevalent conditions in children. Hospitalisation inequalities by four equity stratifiers (material resources, rurality, sex, and immigrant status) were quantified using rate difference (RD), rate ratio (RR), and ratio of excess to total hospitalisation rate. Multivariable logistic regression analyses were also conducted. Findings: In a population of 3·7 million children (median age 7·0 years, Interquartile range: 1·0-12·0), there were 612,597 hospitalisations. Large inequalities comparing children among least versus most resourced quintile was observed in low birth weight (RD: 1,823·3 hospitalisations per 100,000 children, 95% CI: 1,662·7, 1,983·9). Conditions with large inequalities comparing rural versus urban areas included low birth weight (RD: -1,833·2 hospitalisations per 100,000, 95% CI: -2,012·8, -1,653·6); and drug withdrawal syndrome in newborn (RR: 1·9, 95% CI: 1·7, 2·1; adjusted odds ratio (aOR): 1·4, 95% CI: 1·2, 1·5). Conditions with large inequalities comparing males versus females included low birth weight (RD: -888·3 hospitalisations per 100,000, 95% CI: -992·5, -784·02); and anorexia nervosa (RR: 0·08, 95% CI: 0·07, 0·10; aOR: 0·1, 95% CI: 0.1, 0.1). Conditions with large inequalities comparing non-refugee immigrants versus non-immigrants included major depressive disorder (RR: 2·8, 95% CI: 2·7, 2·9), and comparing refugees versus non-immigrants included drug withdrawal syndrome in newborn (RR: 0·09, 95% CI: 0·05, 0·15). Results from multivariable analyses were similar. Interpretation: Newborn and mental health conditions had the largest inequalities in hospitalisations by the equity stratifiers. Findings from this study can be used to prioritise future health equity research to reduce health inequalities. Funding: PSI Foundation.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».