Differences in Preventive Care Uptake in Attached and Unattached Rural-Living Residents
Notice bibliographique
Résumé
Preventive care services are crucial for overall health, yet, rural communities experience low rates of preventive service use. Primary care providers are pivotal in facilitating preventive service uptake (e.g., vaccinations, screenings) but shortages have left 1 in 5 Canadians without a primary care provider. The aim of this study was to compare preventive care uptake between BC rural residents attached and unattached to a primary care clinician. A quantitative cross-sectional survey of rural patients, both with (attached) and without (unattached) a primary care provider, was conducted from July to Sept 2022. Participants completed measures assessing prevention activity completion, priorities, and prevention activity self-efficacy. Descriptive statistics were used to compare preventive care completion and attachment status. A total of 516 rural residents (301 attached; 215 unattached) completed the survey (M age = 50.63 years; 74.4% female). Unattached patients reported lower prevention service completion rates (M = 51%) compared with attached patients (M = 63%; p < .001), although there was no significant difference in the number of prevention priorities. Self-efficacy for provider communication (p < .001), managing chronic illness (p = .002), getting vaccines (p < .001), and completing preventive screening (p < .001) was lower among unattached compared with attached participants. The results indicate a suboptimal uptake of preventive care in rural communities. Furthermore, they highlight a concerning gap in uptake between attached and unattached patients and provide strategic information for developing and implementing preventive care policy and programs, a pressing need given the persistent provider shortage.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 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 ».