Exploring Low-Income Families’ Financial Barriers to Food Allergy Management and Treatment
Notice bibliographique
Résumé
Objectives. Low-income families may face financial barriers to management and treatment of chronic illnesses. No studies have explored how low-income individuals and families with anaphylactic food allergies cope with financial barriers to anaphylaxis management and/or treatment. This study explores qualitatively assessed direct, indirect, and intangible costs of anaphylaxis management and treatment faced by low-income families. Methods. In-depth, semistructured interviews with 23 participants were conducted to gain insight into income-related barriers to managing and treating anaphylactic food allergies. Results. Perceived direct costs included the cost of allergen-free foods and allergy medication and costs incurred as a result of misinformation about social support programs. Perceived indirect costs included those associated with lack of continuity of health care. Perceived intangible costs included the stress related to the difficulty of obtaining allergen-free foods at the food bank and feeling unsafe at discount grocery stores. These perceived costs represented barriers that were perceived as especially salient for the working poor, immigrants, youth living in poverty, and food bank users. Discussion. Low-income families report significant financial barriers to food allergy management and anaphylaxis preparedness. Clinicians, advocacy groups, and EAI manufacturers all have a role to play in ensuring equitable access to medication for low-income individuals with allergies.
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 ».