Trajectoires de soins des grands utilisateurs : exploitation des données de la cohorte torsade
Notice bibliographique
Résumé
Cette étude analyse les trajectoires de soins des grands utilisateurs (GU) de services de santé au Québec, en exploitant la cohorte TorSaDe, qui combine des données administratives de santé et des réponses d’enquête sur une période de dix ans (2007–2016). Elle visait à : (1) caractériser les GU selon leurs profils démographique, clinique et socio-économique; (2) classifier leurs trajectoires d’utilisation des soins par analyse en classes latentes (ACL); et à (3) identifier les facteurs associés à l’appartenance aux différentes classes en utilisant une régression logistique multinomiale. Nous avons défini les GU comme appartenant aux 5 % des utilisateurs ayant les coûts annuels de soins les plus élevés. Les résultats montrent que les GU sont majoritairement plus âgés, socialement défavorisés, porteurs de comorbidités multiples et qu’ils présentent des besoins élevés en soins. Les forêts aléatoires ont permis d’identifier des prédicteurs clés du statut de GU, tels que la multimorbidité, un mauvais état de santé perçu, un faible revenu et la polymédication. L’ACL a permis d’identifier six classes de trajectoires distinctes dont une classe comportant majoritairement des GU persistants, c’est-à-dire des utilisateurs ayant le statut de GU au moins cinq années sur dix. La régression multinomiale a révélé que les utilisateurs persistants étaient plus susceptibles de présenter de graves comorbidités et d’avoir une mauvaise santé mentale, tandis que les utilisateurs transitoires se caractérisaient par des besoins plus aigus et épisodiques en matière de soins de santé. Les résultats soulignent l’importance de l’identification précoce et de la mise en œuvre d’interventions ciblées visant à mieux gérer l’utilisation intensive des soins, dans le but d’améliorer l’efficience du système et la continuité des services.
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 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».