MétaCan
Menu
Retour à la cohorte
Enregistrement W3198458136 · doi:10.1136/jech-2021-ssmabstracts.76

OP76 Hospital-based preventative health services for people experiencing homelessness: systematic review and narrative synthesis

2021· article· en· W3198458136 sur OpenAlexaboutno aff
Serena Luchenski, Jo Dawes, Robert W Aldridge, Shema Tariq, Fiona Stevenson, Andrew Hayward

Notice bibliographique

RevueSSM Annual Scientific Meeting · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNarrativePsychologyArt

Résumé

récupéré en direct d'OpenAlex

<h3>Background</h3> Preventative health services, such as screening, vaccinations, and referrals to health and social services, improve health outcomes and reduce healthcare utilisation, costs, and inequities. People experiencing homelessness have significant unmet needs, but data are lacking on preventative health service provision. We aimed to review literature on hospital-based preventative health services for people experiencing homelessness. <h3>Methods</h3> We systematically searched MEDLINE, Embase, PsycINFO, HMIC, CINAHL, Web of Science, and The Cochrane Library. We hand-searched the bibliographies and citing references of included studies. We included experimental and observational quantitative studies involving preventative health services in emergency departments or inpatient hospital settings from 1999–2019. The population included adults experiencing homelessness in high income countries. We included outcomes for health, social factors, healthcare utilisation, and healthcare costs. We managed studies in Endnote and extracted data using a standardised spreadsheet. We assessed quality and bias using the ‘Quality Assessment Tool for Quantitative Studies’ and narratively synthesised findings. <h3>Results</h3> We identified 7935 articles from searches and reviewed 149 full text articles. Thirty-two met our eligibility criteria and were conducted in the USA (n=15), UK (n=9), Canada (n=4), and Australia (n=4). Sixteen studies were undertaken in emergency departments, 13 in inpatient wards, and 3 were conducted in both settings. We identified eight intervention categories: 1) homelessness screening, 2) case management, 3) screening, treatment initiation and referrals, 4) vaccinations, 5) discharge planning, 6) assistance with social needs, 7) pharmacological treatment, and 8) psychosocial services. Most studies described multi-component interventions. Results showed improvements in housing status, mental health, quality of life, and uptake of vaccinations and screening. Some studies reported successful integration with follow-up services, while others reported poor rates of onward care. Studies tended to report reductions in unplanned healthcare utilisation and costs, though not consistently. None showed harms. The overall strength of the evidence was weak to moderate with few randomised controlled trials. <h3>Discussion</h3> Hospital-based preventative health services can improve housing status and health and may reduce unplanned healthcare utilisation and costs for people experiencing homelessness. Definitive data are lacking for effective integration across healthcare systems. Policy-makers and practitioners should consider providing hospital-based preventative services to tackle unmet needs and health inequities. Our study is limited by the lack of qualitative, grey literature, and non-English studies. Future research should investigate barriers and levers for successful implementation of hospital-based preventative health services and the integration of hospitals with primary care and other services.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,222
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0040,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,382
Écart entre enseignants0,361 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSM Annual Scientific MeetingMême sujetHomelessness and Social IssuesTravaux en français237 207