Association of the Social Determinants of Health With Quality of Primary Care
Notice bibliographique
Résumé
PURPOSE: In primary care, there is increasing recognition of the difficulty of treating patients' immediate health concerns when their overall well-being is shaped by underlying social determinants of health. We assessed the association of social complexity factors with the quality of care patients received in primary care settings. METHODS: Eleven social complexity factors were defined using administrative data on poverty, mental health, newcomer status, and justice system involvement from the Manitoba Population Research Data Repository. We measured the distribution of these factors among primary care patients who made at least 3 visits during 2010-2013 to clinicians in Manitoba, Canada. Using generalized linear mixed modeling, we measured 26 primary care indicators to compare the quality of care received by patients with 0 to 5 or more social complexity factors. RESULTS: Among 626,264 primary care patients, 54% were living with at least 1 social complexity factor, and 4% were living with 5 or more. Social complexity factors were strongly associated with poorer outcomes with respect to primary care indicators for prevention (eg, breast cancer screening; odds ratio [OR] = 0.77; 99% CI, 0.73-0.81), chronic disease management (eg, diabetes management; OR = 0.86; 99% CI, 0.79-0.92), geriatric care (eg, benzodiazepine prescriptions; OR = 1.63; 99% CI, 1.48-1.80), and use of health services (eg, ambulatory visits; OR = 1.09; 99% CI, 1.08-1.09). CONCLUSIONS: Linking health and social data demonstrates how social determinants are associated with primary care service provision. Our findings provide insight into the social needs of primary care populations, and may support the development of focused interventions to address social complexity 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».