Rural and urban disparities in access and quality of healthcare in the Japanese healthcare system: a scoping review
Notice bibliographique
Résumé
BACKGROUND: The rural-urban disparity in healthcare quality is a global issue. Compared with living in urban areas, living in rural areas is associated with poorer healthcare outcomes. Moreover, the shortage of healthcare providers in rural areas is a worldwide concern. This scoping review aims to map existing evidence regarding rural-urban disparities in access and quality of healthcare in Japan using the Donabedian model as a theoretical framework and to identify conceptual and measurement gaps. METHODS: This review targeted published articles and gray literature. We included documents that (1) were based on Japanese populations and (2) compared the quality of care between defined rural and urban areas. We excluded articles if they (1) were published during or before 2005 since the Japanese government amended the Medical Care Law in 2006; (2) focused exclusively on urban or rural areas; or (3) were not published in English or Japanese. This study employed PubMed, EMBASE, Web of Science, the Japanese medical literature database, ICHUSHI, and CiNii Research. We extracted quality indicators (structure, process, and outcomes) based on the Donabedian model. We recorded the definitions or indicators of rurality described by the studies. RESULTS: Out of 5,020 articles, 15 were included. Only one study was conducted in a primary care setting. Moreover, no study evaluated the "outcomes" of the Donabedian model in a primary care setting. Regarding the definitions or indices of rurality, the most commonly used indicator of rurality was population size, followed by population density. The cutoff values or descriptions of rurality using these indicators differed across studies. CONCLUSION: This study mapped rural-urban disparities in access and quality of healthcare in Japan. These findings highlight the need to evaluate rural-urban disparities in the "outcomes" of care in primary care settings in Japan and the lack of common indicators of rurality.
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 | 0,007 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,015 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».