PERCEIVED BARRIERS TO SECONDARY PREVENTION OF PATIENTS FROM LOW SOCIO ECONOMIC GROUPS
Notice bibliographique
Résumé
Background and Aims: People of lower socio-economic status (SES) with coronary heart disease (CHD) are a highly vulnerable population because they have more risk factors for CHD, develop CHD younger, and are less likely to benefit from secondary prevention care and prevention programs. The aim of this qualitative study was to examine factors perceived by key health professionals to effect patients' of lower SES willingness and capacity to reduce cardiovascular risk and benefit from services. Method: Qualitative research; 24 key health professional informants (11 physicians, 11 nurses, 2 other) who work with patients of low SES with CHD in Alberta, Canada were interviewed in a semi-structured format. Results: The participants viewed SES as one of six key heath determinants for people with CHD. Of eight primary factors linked to SES (low income, ethnicity, aboriginal, education, mental illness, older age, single parent, high risk lifestyle), low income was seen to be the most important element. The low income disadvantage was magnified for the homeless, working poor, elderly, aboriginal, mentally ill, rural, and recent immigrants. Main barriers to successful secondary prevention in patients of low SES were perceived to be: the high cost of recommended medication, food, and activity; limited access to information, education and transportation; difficulty arranging and cost of taking time off work; co-morbidities and limited mobility; aboriginal - historical disadvantage, diabetes, and exposure to poverty and violence; homeless and mental illness - survival issues, lack of connection and support; immigrants - language and unfamiliarity magnifying access issues; multiple burdens; hopelessness; and stigma. Conclusions: In patients of lower SES in Canada, a complex web of factors is perceived to curtail willingness and capacity to reduce cardiovascular risk and access to services.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| 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 | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».