MétaCan
Menu
Retour à la cohorte
Enregistrement W2337176601 · doi:10.1186/s12939-016-0351-7

Equity of access to primary healthcare for vulnerable populations: the IMPACT international online survey of innovations

2016· article· en· W2337176601 sur OpenAlexfundaboutno aff
Lauralie Richard, John Furler, Konstancja Densley, Jeannie Haggerty, Grant Russell, Jean-Frédéric Levesque, Jane Gunn

Notice bibliographique

RevueInternational Journal for Equity in Health · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchFonds de Recherche du Québec - SantéAustralian GovernmentAustralian Primary Health Care Research Institute, Australian National UniversityPrimary Health Care Research, Evaluation and Development
Mots-clésHealth services researchHealthcare policyEquity (law)Social policyPublic healthHealth informaticsHealth policyHealth carePrimary careHealth administrationHealth equityPrimary health careHealth care reformMedicineEnvironmental healthBusinessEconomic growthPolitical scienceNursingFamily medicineEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Improving access to primary healthcare (PHC) for vulnerable populations is important for achieving health equity, yet this remains challenging. Evidence of effective interventions is rather limited and fragmented. We need to identify innovative ways to improve access to PHC for vulnerable populations, and to clarify which elements of health systems, organisations or services (supply-side dimensions of access) and abilities of patients or populations (demand-side dimensions of access) need to be strengthened to achieve transformative change. The work reported here was conducted as part of IMPACT (Innovative Models Promoting Access-to-Care Transformation), a 5-year Canadian-Australian research program aiming to identify, implement and trial best practice interventions to improve access to PHC for vulnerable populations. We undertook an environmental scan as a broad screening approach to identify the breadth of current innovations from the field. METHODS: We distributed a brief online survey to an international audience of PHC researchers, practitioners, policy makers and stakeholders using a combined email and social media approach. Respondents were invited to describe a program, service, approach or model of care that they considered innovative in helping vulnerable populations to get access to PHC. We used descriptive statistics to characterise the innovations and conducted a qualitative framework analysis to further examine the text describing each innovation. RESULTS: Seven hundred forty-four responses were recorded over a 6-week period. 240 unique examples of innovations originating from 14 countries were described, the majority from Canada and Australia. Most interventions targeted a diversity of population groups, were government funded and delivered in a community health, General Practice or outreach clinic setting. Interventions were mainly focused on the health sector and directed at organisational and/or system level determinants of access (supply-side). Few innovations were developed to enhance patients' or populations' abilities to access services (demand-side), and rarely did initiatives target both supply- and demand-side determinants of access. CONCLUSIONS: A wide range of innovations improving access to PHC were identified. The access framework was useful in uncovering the disparity between supply- and demand-side dimensions and pinpointing areas which could benefit from further attention to close the equity gap for vulnerable populations in accessing PHC services that correspond to their needs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,699
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,575
Tête enseignante GPT0,660
Écart entre enseignants0,085 · 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 tête enseignante, 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

Citations179
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Equity in HealthMême sujetPrimary Care and Health OutcomesTravaux en français237 207