Interventions to improve primary healthcare in rural settings: A scoping review
Notice bibliographique
Résumé
BACKGROUND: Residents of rural areas have poorer health status, less healthy behaviours and higher mortality than urban dwellers, issues which are commonly addressed in primary care. Strengthening primary care may be an important tool to improve the health status of rural populations. OBJECTIVE: Synthesize and categorize studies that examine interventions to improve rural primary care. ELIGIBILITY CRITERIA: Experimental or observational studies published between January 1, 1996 and December 2022 that include an historical or concurrent control comparison. SOURCES OF EVIDENCE: Pubmed, CINAHL, Cochrane Library, Embase. CHARTING METHODS: We extracted and charted data by broad category (quality, access and efficiency), study design, country of origin, publication year, aim, health condition and type of intervention studied. We assigned multiple categories to a study where relevant. RESULTS: 372 papers met our inclusion criteria, divided among quality (82%), access (20%) and efficiency (13%) categories. A majority of papers were completed in the USA (40%), Australia (15%), China (7%) or Canada (6%). 35 (9%) papers came from countries in Africa. The most common study design was an uncontrolled before-and-after comparison (32%) and only 24% of studies used randomized designs. The number of publications each year has increased markedly over the study period from 1-2/year in 1997-99 to a peak of 49 papers in 2017. CONCLUSIONS: Despite substantial inequity in health outcomes associated with rural living, very little attention is paid to rural primary care in the scientific literature. Very few studies of rural primary care use randomized designs.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,007 |
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 tête enseignante, 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 ».