MétaCan
Menu
← Retour à la cohorte
Enregistrement W7104272396 · doi:10.71781/1446

Modalités d'inscription à un médecin de famille : facteurs prédictifs et association avec l'utilisation des services d'urgence

2024· dissertation· fr· W7104272396 sur OpenAlexfundaboutno aff

Notice bibliographique

RevueOpen MIND · 2024
Typedissertation
Languefr
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesUniversité de Montréal
Mots-clésHealth servicesIle de franceMaternal health

Résumé

récupéré en direct d'OpenAlex

Contexte: Lancé en 2008 au Québec, le Guichet d’Accès à un Médecin de Famille (GAMF) centralise les demandes d’inscription de patients auprès d’un médecin de famille. Cependant, les médecins peuvent opter pour une prise en charge « hors GAMF », ce qui pourrait contribuer à des iniquités dans l’accès aux soins primaires. Objectifs: Déterminer les facteurs prédictifs de la modalité d’inscription (GAMF vs hors GAMF) et examiner son association avec le nombre de visites non prioritaires à l’urgence. Méthodes: Cette étude de cohorte rétrospective populationnelle (N= 1 417 838) examine les patients adultes inscrits auprès d’un médecin de famille entre avril 2017 et juin 2021 à partir des données administratives fournies par la Régie de l’assurance maladie du Québec. Un modèle de forêt aléatoire a évalué l’importance relative de facteurs sociodémographiques et de santé dans la prédiction de la modalité d’inscription. Un modèle binomial négatif ajusté a estimé le rapport de taux d’incidence (RTI) de visites non prioritaires à l’urgence, un proxy de l’accès non réalisé aux soins primaires, dans l’année suivant l’inscription. Résultats: Les principaux facteurs prédictifs de la modalité d’inscription incluaient l’année financière d’inscription, l’âge, la ruralité et l’utilisation antérieure des services de santé. Les médecins recrutaient davantage hors GAMF en milieu urbain, en privilégiant des patients plus jeunes et en meilleure santé. L’inscription via le GAMF était associée à une réduction de 4,7 % des visites non prioritaires à l’urgence (RTI= 0,952 ; IC 95 %: 0,946–0,960). Conclusion: Afin d’optimiser l’équité dans l’inscription auprès d’un médecin de famille, il parait pertinent de renforcer les incitatifs favorisant l’adhésion au GAMF.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,394
Score d'incertitude au seuil0,792

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,069
Tête enseignante GPT0,420
Écart entre enseignants0,352 · 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 source (Gemma direct ou Codex distillé), 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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetPrimary Care and Health Outcomes→Travaux en français237 207→