Compliance With Routine Health Checkup Visits Among California-Based Minority Men: A Survey Study
Notice bibliographique
Résumé
The literature on health care disparities among U.S. minority men remains limited, and post-pandemic changes in the health care delivery system may uniquely affect this population. We assessed the factors influencing California-based minority men's compliance with routine health checkup. An IRB-approved survey was conducted electronically by convenience sampling between October 2022 and July 2023. Data was collected on demographics, socioeconomic status, health insurance, and routine checkup attendance. Health insurance literacy was assessed by self-reported ability to locate insurance-covered clinics and health care information. The data was analyzed using random forest modeling with both feature importance and SHAP values for interpretability, and logistic regression analysis. A total of 266 male respondents participated. Of these, 60.5% were under 30 years old, and 66.9% identified as Latino/Hispanic.The majority were employed (82.7%), insured (84.9%), and earned less than $50,000 annually (64.5%). While 71.8% were connected to a clinic or hospital, only 50.8% attended routine health checkup, and 6.8% had visited a doctor in the past year. Key factors influencing compliance included zip code, connection to a clinic and the ability to locate a clinic covered by insurance. These findings highlight that half of insured minority men in California under 60 years of age are not attending routine checkups, suggesting significant barriers related to accessibility and health insurance literacy. Addressing these disparities could improve health care utilization and outcomes in this population.
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 | 0,018 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».