“Engaging stakeholders in integrating social determinants of health into electronic health records: a scoping review”
Notice bibliographique
Résumé
Social, environmental, and behavioural factors impact human health. Integrating these social determinants of health (SDOH) into electronic health records (EHR) may improve individual and population health. But how these data are collectedand their use in clinical settings remain unclear. We reviewed efforts to integrate SDOH into EHR in the U.S. and Canada, especially how this implementation serves Indigenous peoples. We followed an established scoping review process, performing iterative keyword searches in subject-appropriate databases, reviewing identified works' bibliographies, and soliciting recommendations from subject-matter experts. We reviewed 20 articles from an initial set of 2,459. Most discussed multiple SDOH indicator standards, with the National Academy of Medicine's (NAM) the most frequently cited (n = 10). Common SDOH domains were demographics, economics, education, environment, housing, psychosocial factors, and health behaviours. Twelve articles discussed project acceptability and feasibility; eight mentioned stakeholder engagement (none specifically discussed engaging ethnic or social minorities); and six adapted SDOH measures to local cultures . Linking SDOH data to EHR as related to Indigenous communities warrants further exploration, especially how to best align cultural strengths and community expectations with clinical priorities. Integrating SDOH data into EHR appears feasible and acceptable may improve patient care, patient-provider relationships, and health outcomes.
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 | 0,080 | 0,187 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,023 | 0,020 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».