The socio-demographic determinants of place of death for seniors in Ontario
Notice bibliographique
Résumé
This study determined the place of death (hospital, long-term care facility or home) for seniors in Ontario who died in Fiscal Year 2001 (n = 59,871), and examined the relationship between socio-demographic factors—age, gender, comorbidities in the last year of life, county of residence, long-term care (LTC) and hospital bed availability in county of residence, socio-economic status (SES), ethnicity, and immigrant status—and place of death. 29,479 (49.24%) individuals died in hospital, 13,316 (22.24%) died in LTC facilities, and 17,076 (28.52%) died at home. Comorbidities in the last year of life, particularly psychosocial and major acute conditions, were the strongest predictors of place of death (p < 0.0001), followed by age (p < 0.0001) and gender (p < 0.0001). Older individuals and women were less likely to die at home and more likely to die in LTC facilities. LTC and hospital bed av = availability, SES, ethnicity, and immigrant status were statistically significant predictors of place of death, but made a relatively small contribution to the final model. Our findings may guide policy and resource allocation decisions regarding palliative care in different settings. Research into other determinants of place of death and the costs and outcomes of palliative care in different care settings is recommended.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».