Différences régionales dans l’accès aux antiviraux à action directe pour traiter l’hépatite C en Ontario : une étude transversale
Bibliographic record
Abstract
Contexte : Les antiviraux à action directe (AAD) sont des traitements utilisés pour soigner les personnes infectées par un virus de l’hépatite C (VHC), une maladie qui touche plus de 100 000 Ontariens. Les AAD sont couverts par les programmes publics de médicaments de l’Ontario, mais l’obtention d’une ordonnance dépend de l’accès aux soins de santé. L’objectif de cette étude est de comprendre le lien entre les taux de traitement au moyen des AAD et la distance par rapport au prescripteur en Ontario, au Canada. Méthodes : Nous avons mené une étude transversale et identifié les patients qui ont fait remplir une ordonnance d’AAD par le biais du Programme de médicaments de l’Ontario (PMO) en 2019. Nous avons calculé les taux bruts (pour 100 000 bénéficiaires du PMO) et ajustés (en fonction d’un taux régional d’infection par le VHC) de traitement au moyen d’AAD par bureau de santé publique (BSP). Nous avons indiqué les distances médianes par rapport au prestataire pour tous les types de visites, les visites en personne, les visites virtuelles et les proportions de visites virtuelles. Résultats : En 2019, le taux brut de traitement au moyen d’AAD en Ontario était de 83,0 patients pour 100 000 bénéficiaires du PMO. Le taux ajusté de traitement du VHC au moyen d’AAD varie entre 28,2 (Nord-Ouest de l’Ontario) et 188,5 (Est de l’Ontario) pour 100 000 bénéficiaires du PMO. Lors de notre analyse primaire, les patients des BSP ruraux, dont ceux du Nord‑Ouest et de Porcupine, se situaient parmi les distances médianes les plus élevées par rapport au prescripteur pour tous les types de visites (1 195 km et 556 km respectivement). Ces BSP présentaient également les proportions les plus élevées de visites virtuelles (plus de 60 %). Les BSP urbains, dont Toronto et Ottawa, présentaient des distances médianes plus faibles pour tous les types de visites, avec des proportions plus faibles de visites virtuelles (10,8 % et 12,4 % respectivement). Conclusion : Nous avons observé une hétérogénéité dans les taux de traitement, la distance par rapport aux prescripteurs d’AAD et l’utilisation des soins virtuels dans la gestion du VHC. Le recours accru à la télémédecine dans les régions où l’utilisation des AAD est limitée pourrait améliorer l’accès.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| 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".