Geographic inequalities in need and provision of social prescribing link workers a retrospective study in primary care
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Long-term health conditions are major challenges for care systems. Social prescribing link workers have been introduced via primary care networks (PCNs) across England since 2019 to address the wider determinants of health by connecting individuals to activities, groups, or services within their local community. AIM: To assess whether the rollout of social prescribing link workers was in areas with the highest need. DESIGN AND SETTING: A retrospective study of social prescribing link workers in England from 2019 to 2023. METHOD: Workforce, population, survey, and area-level data at the PCN-level from April 2020 to October 2023 were combined. Population need before the rollout of link workers was measured using reported lack of support from local services in the 2019 General Practice Patient Survey. To assess if rollout reflected need, linear regression was used to relate provision of link workers (measured by full-time equivalent [FTE] per 10 000 patients) in each quarter to population need for support. RESULTS: Populations in urban, more deprived areas and with higher proportions of people from minority ethnic groups had the highest reported lack of support. Geographically these were in the North West and London. Initially, there was no association between need and provision; then from July 2022, this became negative and significant. By October 2023, a 10-percentage point higher need for support was associated with a 0.035 (95% confidence interval = -0.634 to -0.066) lower FTE per 10 000 patients. CONCLUSION: Rollout of link workers has not been sufficiently targeted at areas with the highest need. Future deployments should be targeted at those areas.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle