MétaCan
Menu
Retour à la cohorte
Enregistrement W2564581504

Health workers who ask about social determinants of health are more likely to report helping patients: Mixed-methods study.

2016· article· en· W2564581504 sur OpenAlexaffabout
Anila Naz, Ellen Rosenberg, Neil Andersson, Ronald Labonté, Anne Andermann

Notice bibliographique

RevuePubMed · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensSaskatchewan Health AuthorityUniversity of OttawaMcGill UniversityMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésFocus groupMandateReferralFront lineMedicineSocial workQualitative researchMedical educationPsychologyNursingPublic relationsFamily medicineSociologyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To assess the feasibility of implementing a clinical decision aid called the CLEAR Toolkit that helps front-line health workers ask their patients about social determinants of health, refer to local support resources, and advocate for wider social change. DESIGN: A mixed-methods study using quantitative (online self-completed questionnaires) and qualitative (in-depth interviews, focus groups, and key informant interviews) methods. SETTING: A large, university-affiliated family medicine teaching centre in Montreal, Que, serving one of the most ethnically diverse populations in Canada. PARTICIPANTS: Fifty family doctors and allied health workers responded to the online survey (response rate of 50.0%), 15 completed in-depth interviews, 14 joined 1 of 2 focus groups, and 3 senior administrators participated in key informant interviews. METHODS: Our multimethod approach included an online survey of front-line health workers to assess current practices and collect feedback on the tool kit; in-depth interviews to understand why they consider certain patients to be more vulnerable and how to help such patients; focus groups to explore barriers to asking about social determinants of health; and key informant interviews with high-level administrators to identify organizational levers for changing practice. MAIN FINDINGS: = .003). CONCLUSION: While health workers recognize the importance of social determinants, many are unsure how to ask about these often sensitive issues or where to refer patients. The CLEAR Toolkit can be easily adapted to local contexts to help front-line health workers initiate dialogue around social challenges and better support patients in clinical practice.

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)0,012
score de la tête « metaresearch » (Gemma)0,024
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 enseignants0,012
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,024
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,174
Tête enseignante GPT0,499
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

Citations62
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207