Relationships Between Material Hardship, Resilience, and Health Care Use
Notice bibliographique
Résumé
BACKGROUND: Material hardship has been associated with adverse health care use patterns for children with special health care needs (CSHCN). In this study, we assessed if resilience factors were associated with lower emergency department (ED) visits and unmet health care needs and if they buffered associations between material hardship and health care use for CSHCN and children without special health care needs. METHODS: A cross-sectional study using the 2016 National Survey of Children’s Health, restricted to low-income participants (<200% federal poverty level). Separately, for CSHCN and children without special health care needs, weighted logistic regression was used to measure associations between material hardship, 2 resilience factors (family resilience and neighborhood cohesion), and 2 measures of use. Moderation was assessed using interaction terms. Mediation was assessed using structural equation models. RESULTS: The sample consisted of 11 543 children (weighted: n = 28 465 581); 26% were CSHCN. Material hardship was associated with higher odds of ED visits and unmet health care needs for all children. Resilience factors were associated with lower odds of unmet health care needs for CSHCN (family resilience adjusted odds ratio: 0.58; 95% confidence interval: 0.36–0.94; neighborhood cohesion adjusted odds ratio: 0.53; 95% confidence interval: 0.32–0.88). For CSHCN, lower material hardship mediated associations between resilience factors and unmet health care needs. Neighborhood cohesion moderated the association between material hardship and ED visits (interaction term: P = .02). CONCLUSIONS: Among low-income CSHCN, resilience factors may buffer the effects of material hardship on health care use. Future research should evaluate how resilience factors can be incorporated into programs to support CSHCN.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».