MétaCan
Menu
Retour à la cohorte
Enregistrement W2090155766 · doi:10.1353/hpu.2011.0113

Medical Home Disparities for Latino Children by Parental Language of Interview

2011· article· en· W2090155766 sur OpenAlexaboutno aff
Lisa Ross DeCamp, HwaJung Choi, Matthew M. Davis

Notice bibliographique

RevueJournal of Health Care for the Poor and Underserved · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterpreting and Communication in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human Development
Mots-clésQuarter (Canadian coin)Language barrierHealth careMedicineHealth equityMedical homeFamily medicineNational Health Interview SurveyGerontologyPsychologyNursingPrimary carePublic healthEnvironmental healthPopulation

Résumé

récupéré en direct d'OpenAlex

Examination of Latino children in aggregate ignores important subgroup differences due to the parents' English language ability. Previous reports of the pediatric medical home have not stratified Latino children by parental language differences to compare the two groups directly. We analyzed the 2007 National Survey of Children's Health to determine medical home prevalence among Latino children, stratified by language of parental interview. Most Latino children with a Spanish-language parental interview had a usual source of care, but only one-quarter had a medical home. Striking medical home disparities persisted for Latino children with a Spanish-language interview, even after adjustment for potential confounders. Lack of a medical home was associated with disparities in the quality of care, more so than access disparities. Addressing health care disparities for Latino children requires particular attention to the unique needs of Latino children with parents who may experience language barriers during health care encounters.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,036
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,091
Tête enseignante GPT0,416
Écart entre enseignants0,325 · 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

Citations47
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health Care for the Poor and UnderservedMême sujetInterpreting and Communication in HealthcareTravaux en français237 207