Predictors of Seeking Care for Influenza-Like Illness in a Novel Digital Study
Notice bibliographique
Résumé
Background: Previous research has estimated that >50% of individuals experiencing influenza-like illness (ILI) do not seek health care. Understanding factors influencing care-seeking behavior for viral respiratory infections may help inform policies to improve access to care and protect public health. We used person-generated health data (PGHD) to identify factors associated with seeking care for ILI. Methods: Two observational studies (FluStudy2020, ISP) were conducted during the United States 2019-2020 influenza season. Participants self-reported ILI symptoms using the online Evidation platform. A log-binomial regression model was used to identify factors associated with seeking care. Results: Of 1667 participants in FluStudy2020 and 47 480 participants in ISP eligible for analysis, 518 (31.1%) and 11 426 (24.1%), respectively, sought health care. Participants were mostly female (92.2% FluStudy2020, 80.6% ISP) and aged 18-49 years (89.6% FluStudy2020, 89.8% ISP). In FluStudy2020, factors associated with seeking care included having health insurance (risk ratio [RR], 2.14; 95% CI, 1.30-3.54), more severe respiratory symptoms (RR, 1.53; 95% CI, 1.37-1.71), and comorbidities (RR, 1.37; 95% CI, 1.20-1.58). In ISP, the strongest predictor of seeking care was high symptom number (RR for 6/7 symptoms, 2.14; 95% CI, 1.93-2.38). Conclusions: Using PGHD, we confirmed low rates of health care-seeking behavior for ILI and show that having health insurance, comorbidities, and a high symptom burden were associated with seeking health care. Reducing barriers in access to care for viral respiratory infections may lead to better disease management and contribute to protecting public health.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».