Low Income and Nonadherence to Health Supervision Visits Predispose Children to More Emergency Room Utilization
Notice bibliographique
Résumé
Social inequity can have broad health impacts. The purpose of this study was to examine the effects of low income and nonadherence to health supervision visits on emergency room (ER) utilization in Eastern Brooklyn, New York. This study surveyed parents/guardians of children who received routine medical care at Brookdale ambulatory clinics from June 2017 to February 2018. Participants were asked to fill out a questionnaire on social demographics, food insecurity, and relocation. Electronic medical records (EMRs) were reviewed to retrieve numbers of missing health supervision and ER visit in past 12 months. Comorbidity was identified through EMR by International Classification of Diseases. Logistic regression analyses were used to examine the effects of nonadherence to health supervision visits on ER utilization when controlling for demographics, food insecurity, recent moving, and comorbidity. Among 268 participants, 56.0% reported their household income was less than $20,000 annually, 39.6% missed at least 1 health supervision visit, and 31.7% had at least 1 ER visit within the past 12 months. Younger age (adjusted odds ratio [aOR] = 0.92, 95% confidence interval [CI] = 0.86-0.97, P < .01), household income less than $20,000 (aOR = 1.86, 95% CI = 1.02-3.39), preexisting comorbidity (aOR = 2.36, 95% CI = 1.26-4.42), and nonadherence to health supervision visits (aOR = 5.83, 95% CI = 3.21-10.56) were associated with increased ER utilization. Nonadherence to health supervision visits is an independent risk factor and potentially modifiable. Evaluation and remediation should be pursued as a means of improving health outcomes of children in vulnerable circumstances.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».