MétaCan
Menu
Retour à la cohorte
Enregistrement W4411111569 · doi:10.2196/70040

Analyzing Disparity in Geographical Accessibility to Home Medical Care Using a Claims Database and Geographical Information System: Simulation Study

2025· article· en· W4411111569 sur OpenAlexvenueno aff
Yasuhiro Morii, Yasuhiro Nakanishi, Yuichi Nishioka, Yukio Tsugihashi, Tatsuya Noda, Tomoya Myojin, Tomoaki Imamura, Manabu Akahane

Notice bibliographique

RevueJMIR Aging · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintDatabaseComputer scienceGeographyInformation retrievalData scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Background: The demand for home medical care services has increased in aging societies. Therefore, allocating health care resources optimally to meet the needs of each community is essential. Geographical accessibility is an important factor affecting access to home medical care services; however, little research has been conducted on regional disparities in geographical accessibility. Objective: This study aims to analyze the regional disparities in geographical accessibility to home medical care services using the Kokuho database (KDB), a comprehensive medical claims database for a prefecture in Japan. Methods: This study included 39 municipalities in Nara Prefecture, Japan. Using a geographical information system, accessibility to home medical care services, that is, travel distance and time from hospitals and clinics to hypothetical patients, was analyzed in two scenarios: (1) an ideal scenario, where we assumed that all hospitals or clinics in Nara Prefecture provided those services and (2) an actual scenario, where hospitals or clinics in Nara Prefecture that actually provided home medical care services, identified from KDB data analysis, were used in the analysis. Hypothetical patients were randomly distributed on the geographical information system in accordance with the usage rates of home medical care services and with the distributions of the population aged ≥75 years. The usage rate by municipalities was aggregated from the analysis of KDB data of Nara Prefecture in FY2019. Results: The median travel distance was longer than 16 km, the reference limit value specified in the Japanese fee table, and the median travel time exceeded 30 min in certain rural municipalities in the southern part of Nara Prefecture, in the actual scenario, whereas the travel distance and time were improved in the ideal scenario. The differences in travel time between the ideal and actual scenarios were the largest in the depopulated municipalities in the southern part, such as Totsukawa (32.6 vs 5.8 min), Kawakami (30.1 vs 11.8 min), Kurotaki (21.3 vs 5.2 min), and Kamikitayama (20.7 vs 3.5 min). The usage rates were also lower in rural municipalities in the southern part. Conclusions: The results revealed that geographical accessibility was lower in depopulated municipalities in the southern part, and the disparity could be partly solved in the ideal scenario, especially in that area, highlighting the necessity of increasing supply in the southern areas. KDB is a comprehensive database that includes medical claims information for home medical care patients and details of the provision of medical institutions, enabling geographical analysis that reflects actual health care usage.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,856

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,465
Écart entre enseignants0,429 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetGlobal Health Workforce IssuesTravaux en français237 207