Development of a Tool to Identify Poverty in a Family Practice Setting: A Pilot Study
Notice bibliographique
Résumé
Objective. The goal of this pilot study was to develop and field-test questions for use as a poverty case-finding tool to assist primary care providers in identifying poverty in clinical practice. Methods. 156 questionnaires were completed by a convenience sample of urban and rural primary care patients presenting to four family practices in British Columbia, Canada. Univariate and multivariate logistic regression analyses compared questionnaire responses with low-income cut-off (LICO) levels calculated for each respondent. Results. 35% of respondents were below the "poverty line" (LICO). The question "Do you (ever) have difficulty making ends meet at the end of the month?" was identified as a good predictor of poverty (sensitivity 98%; specificity 60%; OR 32.3, 95% CI 5.4-191.5). Multivariate analysis identified a 3-item case-finding tool including 2 additional questions about food and housing security (sensitivity 64.3%; specificity 94.4%; OR 30.2, 95% CI 10.3-88.1). 85% of below-LICO respondents felt that poverty screening was important and 67% felt comfortable speaking to their family physician about poverty. Conclusions. Asking patients directly about poverty may help identify patients with increased needs in primary care.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».