Implementing High-Quality Primary Care Through a Health Equity Lens
Notice bibliographique
Résumé
The COVID-19 pandemic highlighted the importance of centering health equity in future health system and primary care reforms. Strengthening primary care will be needed to correct the longstanding history of mistreatment of First Nations/Indigenous and racialized people, exclusion of health care workers of color, and health care access and outcome inequities further magnified by the COVID-19 pandemic. The National Academies of Sciences, Engineering, and Medicine (NASEM) released a report on Implementing High-Quality Primary Care: Rebuilding the Foundation of Health Care, that provided a framework for defining high-quality primary care and proposed 5 recommendations for implementing that definition. Using the report’s framework, we identified health equity challenges and opportunities with examples from primary care systems in the United States and Canada. We are poised to reinvigorate primary care because the recent pandemic and the attention to continued racialized police violence sparked renewed conversations and collaborations around equity, diversity, inclusion, and health equity that have been long overdue. The time to transition those conversations to actionable items to improve the health of patients, families, and communities is now. Appeared as Annals “Online First” article.
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 | 0,042 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,032 |
| Communication savante | 0,022 | 0,012 |
| Science ouverte | 0,003 | 0,020 |
| Intégrité de la recherche | 0,010 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,000 |
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.
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 ».