The CLEAR toolkit pilot study: an educational intervention for helping health workers address the social causes of poor health
Notice bibliographique
Résumé
INTRODUCTIONLes travailleurs de la santé peuvent jouer un rôle important pour améliorer la santé des individus et des populations s’ils reçoivent une formation adéquate sur la façon d'aborder les déterminants sociaux de la santé dans leur pratique clinique courante. Les objectifs de cette étude étaient: (1) de déterminer si la boîte à outils CLEAR, un outil d’aide à la décision clinique sur les déterminants sociaux de la santé, est considéré comme utile et applicable par des travailleurs de la santé provenant d’un grand centre universitaire d'enseignement de la médecine familiale servant une population ethnique diversifiée dans la région de Montréal, (2) d’identifier les changements qui devraient être apportés à cette boîte à outils pour la rendre encore plus utile pour les travailleurs de la santé de première ligne, (3) de comprendre comment la boîte à outils doit être adaptée au contexte local et comment former les travailleurs de la santé pour l'utiliser dans leur pratique courante, et (4) de mieux comprendre le soutien organisationnel mis à la disposition des travailleurs de la santé de première ligne dans leur pratique courante pour mieux soutenir leurs patients à agir sur les déterminants sociaux.METHODE Nous avons mené une étude multi-méthode incluant: (1) un sondage en ligne avec des travailleurs de la santé de première ligne afin d'évaluer les pratiques actuelles et de recueillir des commentaires sur la faisabilité de l'utilisation de la boîte à outils CLEAR dans la pratique clinique, (2) des entrevues en profondeur pour comprendre pourquoi les travailleurs de la santé considèrent certains patients comme plus vulnérables et comment les aider, (3) des groupes de discussion pour explorer les obstacles pour aborder les déterminants sociaux de la santé dans leur pratique clinique courante, et (4) des entretiens avec des informateurs-clés (cadres supérieurs) afin d'identifier les leviers organisationnels pour promouvoir un changement dans la pratique des travailleurs de la santé.RESULTATSSur les 100 travailleurs de la santé interrogés, 50 ont répondu au questionnaire (taux de réponse : 50%). Les entretiens en profondeur ont été effectués jusqu'à saturation de données (n=15). Nous avons effectué deux groupes de discussion avec respectivement 6 et 8 travailleurs de la santé dans chaque groupe, et trois entretiens avec des cadres supérieurs de la santé. Il y avait un niveau d'accord élevé que les travailleurs de la santé de première ligne devraient assumer la tâche d’identifier les déterminants sociaux qui causent des problèmes de santé à leurs patients (n=44/50, 88%). La majorité des travailleurs de la santé ont trouvé la boîte à outils CLEAR facile à comprendre (n=36/37, 97,3%), pertinente à leur travail (n=33/37, 89,2%), et utile pour aborder les déterminants sociaux de la santé (n=32/37, 86,5%). Les travailleurs de la santé qui posaient des questions sur les déterminants sociaux étaient deux fois plus susceptibles d’indiquer avoir aidé leurs patients avec des problèmes sociaux (n=15/16, 93,7%, par rapport à n=9/17, 52,9%; valeur p = 0,003). Les obstacles organisationnels à poser des questions sur les déterminants sociaux de santé dans la pratique clinique incluent l’absence de modèles, la formation et le temps. Les facilitateurs de l'adoption de déterminants sociaux dans la démarche de santé incluent avoir accès à des outils de pratique clinique et à une courte liste de ressources locales.CONCLUSION Les travailleurs de la santé de première ligne reconnaissent l’importance d’aborder les déterminants sociaux de la santé. Cependant, il y a un besoin de fournir aux travailleurs de la santé plus d'éducation, de formation et de soutien organisationnel. La boîte à outils CLEAR peut contribuer à réduire les disparités en santé par la formation des travailleurs de la santé de première ligne pour agir sur les déterminants sociaux de la santé.
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 | 0,009 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 ».