Supporting social prescribing in primary care by linking people to local assets: a realist review
Notice bibliographique
Résumé
BACKGROUND: Social prescribing is a way of addressing the 'non-medical' needs (e.g. loneliness, debt, housing problems) that can affect people's health and well-being. Connector schemes (e.g. delivered by care navigators or link workers) have become a key component to social prescribing's delivery. Those in this role support patients by either (a) signposting them to relevant local assets (e.g. groups, organisations, charities, activities, events) or (b) taking time to assist them in identifying and prioritising their 'non-medical' needs and connecting them to relevant local assets. To understand how such connector schemes work, for whom, why and in what circumstances, we conducted a realist review. METHOD: A search of electronic databases was supplemented with Google alerts and reference checking to locate grey literature. In addition, we sent a Freedom of Information request to all Clinical Commissioning Groups in England to identify any further evaluations of social prescribing connector schemes. Included studies were from the UK and focused on connector schemes for adult patients (18+ years) related to primary care. RESULTS: Our searches resulted in 118 included documents, from which data were extracted to produce context-mechanism-outcome configurations (CMOCs). These CMOCs underpinned our emerging programme theory that centred on the essential role of 'buy-in' and connections. This was refined further by turning to existing theories on (a) social capital and (b) patient activation. CONCLUSION: Our realist review highlights how connector roles, especially link workers, represent a vehicle for accruing social capital (e.g. trust, sense of belonging, practical support). We propose that this then gives patients the confidence, motivation, connections, knowledge and skills to manage their own well-being, thereby reducing their reliance on GPs. We also emphasise within the programme theory situations that could result in unintended consequences (e.g. increased demand on GPs).
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 | 0,011 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».