Does Geography Matter? The Health Service Use and Unmet Health Care Needs of Older Canadians
Bibliographic record
Abstract
RÉSUMÉ Le coût croissant de soins de santé et le changement des profils démographiques ont entraîné le déplacement et la redistribution du financement et des services entre les zones rurales et urbaines. La plupart des analyses économétriques de l’utilisation de services de santé au Canada incluent des contrôles larges selon la province et l’état rural/urbain; mais relativement peu du travail économétrique a porté sur la variation géographique dans l’utilisation de services de santé. À l’aide de l’Enquête sur la santé dans les collectivités canadiennes (ESCC 2.1), nous avons examiné les déterminants de diverses mesures d’utilisation des services de santé par les Canadiens âgés de 55 ou plus d’une gamme de zones urbaines et rurales de résidence. Notre analyse de régression a montré que les anciens résidents dans les zones rurales font moins visites chez un omnipraticien, chez un spécialiste et chez un dentiste par rapport aux résidents urbains. Tout étant égal, il n’existe aucune différence significative parmi nuits passées à l’hôpital ou dans les besoins de soins de santé non satisfaits. Cependant, apres contrôle pour les caractéristiques démographiques, le statut socioéconomique, l’assurance santé privée et l’état de santé, ces différences sont importantes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".