Risk factors for, metrics of, and consequences of access to veterinary care for companion animals: A scoping review
Notice bibliographique
Résumé
BACKGROUND: Barriers to accessing veterinary care can be challenging for companion-animal caregivers and may lead to preventable health conditions or even death of pets. OBJECTIVES: We conducted a scoping review to: 1) catalog the definitions of access to veterinary care (A2VC) used by researchers, 2) identify risk factors for and consequences of A2VC, and 3) map the risk factors onto dimensions of access to care (affordability, availability, accessibility, accommodation, acceptability). ELIGIBILITY CRITERIA: Primary research on companion animals not involved in commercial enterprises (e.g., horse racing) examining consequences of and/or risk factors for A2VC for which the full text was available in English. SOURCES OF EVIDENCE: PubMed (1996-6 July 2023) and CAB Abstracts (1973-13 July 2023, Web of ScienceTM) were searched. Additionally, a topic expert (KM) identified relevant references. Two reviewers independently screened titles/abstracts and full texts of potentially relevant references. Forward and backward citation searches were also conducted on all eligible studies using Citation Chaser. CHARTING METHODS: Risk factors were categorized and mapped to the five dimensions of access to care. An evidence gap map was created using the risk factor studies. RESULTS: Fifty-one references describing fifty-two relevant studies were included. Forty-one studied risk factors associated with A2VC, and twelve studied consequences of A2VC. (One study examined both risk factors and consequences.) The majority of risk factors examined were demographic. The majority of outcomes measured were pet-centric. No relevant studies focused on pet horses, representing a gap in the literature. CONCLUSIONS: Consensus needs to be reached on how A2VC is defined and measured to help reduce research wastage and strengthen impact of future studies on improving A2VC. Future studies of risk factors for A2VC should focus on creating a risk-mapping framework specific for A2VC, distinguishing factors that are susceptible to change and those which are not.
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 | 0,020 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,022 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».