Relationship Between Health Insurance Status and Frequency of Routine Medical Checkups
Notice bibliographique
Résumé
BACKGROUND: Routine medical checkups are essential for early disease detection and prevention. However, disparities in utilization persist across sociodemographic groups, particularly in relation to health insurance coverage in the US population. OBJECTIVE: This study aims to examine the relationship between health insurance status and recent routine medical checkups among US adults, using nationally representative survey data. METHODS: This cross-sectional study analyzed data from the 2019 Behavioral Risk Factor Surveillance System (BRFSS) (n = 329,549; weighted population = 198,183,089). Descriptive statistics, chi-square tests, and survey-weighted logistic regression were employed to examine the associations between recent checkup status and various variables, including insurance coverage, age, sex, education, income, and race/ethnicity. RESULTS: Individuals with health insurance had nearly four times the odds of having had a recent checkup compared to those without insurance (OR = 3.90, 95% CI: 3.69-4.12). Female sex, older age, and Hispanic or Black race/ethnicity were also positively associated with recent checkups. Conversely, lower income and educational attainment were linked to reduced utilization. CONCLUSION: Health insurance coverage is a strong predictor of routine healthcare utilization. Expanding access to insurance may substantially improve the uptake of preventive services, particularly among underserved populations.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».