Addressing financial strain through a peer-to-peer intervention in primary care
Notice bibliographique
Résumé
BACKGROUND: Financial strain is a key social determinant of health. As primary care organizations begin to explore ways to address social determinants, peer-to-peer interventions hold promise. OBJECTIVE: Our objective was to evaluate a peer-to-peer intervention focussed on financial empowerment delivered in primary care, in partnership with a social enterprise. METHODS: This intervention was hosted by a large primary care organization in Toronto, Canada. Participants were recruited within the organization and from local services. We organized three separate groups who met over 10 weekly in-person, facilitated sessions: millennials (age 19-29) no longer in school, precariously employed adults (age 30-55) and older adults near retirement (age 55-64). We applied principles of adult education and peer-to-peer learning. We administered surveys at intake, at exit and at 3 months after the intervention, and conducted three focus groups. RESULTS: Fifty-nine people took part. At 3 months, participants had sustained higher rates of optimism about their financial situation (54% improved from baseline), their degree of control (55% improved) and stress around finances (50% improved). In focus groups, participants reported greater understanding of their finances, that they were not alone in struggling with finances, and that it was useful to meet with others. One group continued to meet for several months after the intervention. CONCLUSIONS: In this study, a peer-to-peer intervention helped address a key social determinant of health, likely through reducing stigma, providing group support and creating a space to discuss solutions. Primary care can host these interventions and help engage potential participants.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».