MétaCan
Menu
Retour à la cohorte
Enregistrement W4307054467 · doi:10.1093/pch/pxac100.092

93 Mapping Mobile Health Clinics in Canada: Delivering Equitable Primary Care to Children and Vulnerable Populations

2022· article· en· W4307054467 sur OpenAlexaffabout
Anne Xuan-Lan Nguyen, Alexander Kevorkov, Patricia Li, Rislaine Benkelfat

Notice bibliographique

RevuePaediatrics & Child Health · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensMontreal Children's HospitalMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicineFamily medicineHealth carePublic healthPrimary careHealth literacyOutpatient clinicNursing

Résumé

récupéré en direct d'OpenAlex

Abstract Background Low-income and racially diverse populations often have multiple barriers in accessing healthcare and are at increased risk of poor health outcomes. COVID-19 exacerbated these health inequities: decreased in-person appointments, difficult access to virtual care and deprioritization of elective clinical activity led to delays in well-child visits and vaccination. This public health emergency highlighted a need to develop alternative models to enable access to primary care for vulnerable children. While mobile clinics are well-established in the United States, little is known about them in Canada. Objectives This study aims to characterize Canadian mobile clinics providing primary care health services to vulnerable populations, including children, and seeks to inform the implementation of a pediatric mobile clinic under development. Design/Methods This environmental scan screened scientific databases and the grey literature using a combination of terms designating mobile health clinics and Canadian locations. Relevant Canadian primary care mobile clinic initiatives were subsequently included. We defined primary care mobile clinics as movable health care units providing primary healthcare services delivered by general medical practitioners (pediatricians and family physicians). Examples of excluded initiatives were mobile clinics focused on education/literacy, dental care, vision care, endocrinology, cancer screening, safe injection sites, vaccination, physical rehabilitation and urgent care. Descriptive statistics and qualitative analysis were performed. Results 29 clinics were identified, of which 26 are still active. Most clinics were located in Ontario (n=11), followed by British Columbia (n=8), Alberta (n=5), Quebec (n=2) and the Maritimes (n=2). The first mobile clinic in Canada was launched in 1996, with an increasing number of new clinics in 2021. While all clinics served vulnerable populations, some targeted specific groups, such as children, people experiencing homelessness, immigrants, LGBTQ+ individuals and Indigenous peoples. We identified three pediatric mobile clinics, two of which targeted teenagers. Onboard the clinics, physicians often worked with nurses, outreach workers and social workers. These professionals provided primary care services, as well as healthcare navigation, sexual education, mental health care, harm reduction supplies, vaccination and emergency care. All mobile clinics partnered with their local government, charities or businesses to fund their initiative. Conclusion Mobile health clinics are a growing model of primary care in Canada. They are the result of a multidisciplinary collaboration between healthcare providers, social workers and outreach workers. To this date, Canadian pediatric mobile clinics remain a handful and represent an interesting avenue to address health inequities in children, during the pandemic and beyond.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,486

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,013
Études des sciences et des technologies0,0060,002
Communication savante0,0040,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,032
Tête enseignante GPT0,361
Écart entre enseignants0,328 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child HealthMême sujetGlobal Health Workforce IssuesTravaux en français237 207