Part I: A Quantitative Study of Social Risk Screening Acceptability in Patients and Caregivers
Notice bibliographique
Résumé
INTRODUCTION: Despite recent growth in healthcare delivery-based social risk screening, little is known about patient perspectives on these activities. This study evaluates patient and caregiver acceptability of social risk screening. METHODS: This was a cross-sectional survey of 969 adult patients and adult caregivers of pediatric patients recruited from 6 primary care clinics and 4 emergency departments across 9 states. Survey items included the Center for Medicare and Medicaid Innovation Accountable Health Communities' social risk screening tool and questions about appropriateness of screening and comfort with including social risk data in electronic health records. Logistic regressions evaluated covariate associations with acceptability measures. Data collection occurred from July 2018 to February 2019; data analyses were conducted in February‒March 2019. RESULTS: Screening was reported as appropriate by 79% of participants; 65% reported comfort including social risks in electronic health records. In adjusted models, higher perceived screening appropriateness was associated with previous exposure to healthcare-based social risk screening (AOR=1.82, 95% CI=1.16, 2.88), trust in clinicians (AOR=1.55, 95% CI=1.00, 2.40), and recruitment from a primary care setting (AOR=1.70, 95% CI=1.23, 2.38). Lower appropriateness was associated with previous experience of healthcare discrimination (AOR=0.66, 95% CI=0.45, 0.95). Higher comfort with electronic health record documentation was associated with previously receiving assistance with social risks in a healthcare setting (AOR=1.47, 95% CI=1.04, 2.07). CONCLUSIONS: A strong majority of adult patients and caregivers of pediatric patients reported that social risk screening was appropriate. Most also felt comfortable including social risk data in electronic health records. Although multiple factors influenced acceptability, the effects were moderate to small. These findings suggest that lack of patient acceptability is unlikely to be a major implementation barrier. SUPPLEMENT INFORMATION: This article is part of a supplement entitled Identifying and Intervening on Social Needs in Clinical Settings: Evidence and Evidence Gaps, which is sponsored by the Agency for Healthcare Research and Quality of the U.S. Department of Health and Human Services, Kaiser Permanente, and the Robert Wood Johnson Foundation.
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 | 0,010 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 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 ».