Social and Health Determinants of Patient Satisfaction and Wait times for Primary Care in Canada
Notice bibliographique
Résumé
The most common measures used by patients in which quality of care is judged would be satisfaction and wait times for care. Despite their relevance to gauging performance of health care services, they have not been widely studied in the context of primary care. A gap in the literature exists in studies assessing the relationship between patient satisfaction and wait times for primary care services in relation to social and health determinants. The objective of this thesis was to assess the association of individual level social and health determinants with patient satisfaction and wait times in primary care in adult Canadians. This dissertation is comprised of three studies; two systematic reviews and one cross sectional analysis of pooled data from the 2015/2016 and 2019 cycles of the Canadian Community Health Survey (CCHS). We found that the common determinants influencing both outcomes were health status, comorbidities, and socioeconomic status based on the 2 systematic reviews conducted. The cross-sectional analysis corroborated these findings, as those with worse self-reported health status (OR 0.62, 95% CI; 0.54-0.70) andthose with multiple chronic conditions (multimorbidity) (OR 0.81, 95% CI; 0.73-0.90) were found to have significantly lower odds of reporting satisfactory experiences. Those with excellent self-reported health status (OR 1.10, 95% CI;1.01- 1.19) and those classified as having a multimorbidity (OR 1.17, 95% CI; 1.03, 1.33) were also found to be at significantly higher odds of waiting 1 month or more for primary care. It is recommended that future studies investigate causal pathways between social and health determinants on patient satisfaction alongside wait times for care.
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 | 0,000 | 0,000 |
| 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 ».