Patients living with disabilities: The need for high-quality primary care.
Notice bibliographique
Résumé
OBJECTIVE: To compare the potential risk factors for lower-quality primary care, the potential markers of unmet needs in primary care, and the willingness to participate in future research among primary care patients with versus without physical disabilities. DESIGN: A waiting room survey using a convenience sample. SETTING: A family health team (FHT) in Kitchener-Waterloo, Ont, with a designated Mobility Clinic. PARTICIPANTS: A total of 40 patients seen at the FHT Mobility Clinic and 80 patients from the general patient population of the same FHT. MAIN OUTCOME MEASURES: Socioeconomic status and social capital, number of self-reported emergency department visits and hospitalizations in the preceding year, and willingness of the patients in the 2 groups to participate in future research studies. RESULTS: Patients from the Mobility Clinic were more than twice as likely to be receiving benefits or social assistance (75.0% vs 32.1%, P < .001), were twice as likely to report an annual household income of less than $40000 (58.6% vs 29.2%, P = .006), and were more likely to report their health status to be fair or poor (42.5% vs 16.2%, P = .002). Half of Mobility Clinic patients had visited the emergency department at least once in the preceding year, compared with 29.7% in the general patient population (P = .027). When asked if they would be willing to provide their health card number in the future so that it could be linked to health care data for research, 82.5% of Mobility Clinic patients agreed versus 55.0% of those in the general patient population (P = .004). CONCLUSION: In this study, patients with disabilities were at a social disadvantage compared with their peers without disabilities and were more likely to use the emergency department, suggesting that they had unmet health needs. Future research should continue to explore this patient population and to investigate if an interprofessional primary health care team approach focused on patients with disabilities can help to increase quality of 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 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 | 0,000 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».