MétaCan
Menu
Retour à la cohorte
Enregistrement W4412521082 · doi:10.1016/s2468-2667(25)00144-6

Outreach health-care services for people experiencing exclusion in high-income countries

2025· review· en· W4412521082 sur OpenAlexaff
Luke Johnson, Sophie Nadia Gaber, Roberto Langella, Eleanor Turner-Moss, Jeremy Weleff, Thomas D. Brothers, Aaron Koay, Andrew Hayward, Serena Luchenski, Patrick Perri, Al Story, Binta Sultan, Rikke Siersbaek

Notice bibliographique

RevueThe Lancet Public Health · 2025
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensQueen Elizabeth II Health Sciences CentreWomen and Children’s Health Research InstituteUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésOutreachPovertyHealth careMedicineHealth servicesFamily medicineNursingGerontologyEconomic growthEnvironmental healthPopulationEconomics

Résumé

récupéré en direct d'OpenAlex

Inclusion health aims to prevent and address health and social inequalities for people experiencing exclusion, such as people experiencing homelessness, people who have a history of contact with the criminal justice system, people who use drugs, sex workers, vulnerable migrants, victims of modern slavery and human trafficking, and Romany Gypsy, Roma, and Travellers communities. These populations have poor health outcomes and disproportionate health inequities, partly resulting from inadequate health-care access. Outreach services can improve health-care access, but there is little evidence of how outreach operates successfully. We conducted a realist review of multicomponent outreach health-care services to understand the circumstances under which outreach works for people experiencing exclusion and why. Key components of effective outreach include person-centred services and appointments, staff expertise, high-quality communication, and close partnership with people experiencing exclusion and relevant organisations. Service users are likely to develop trust and further engage through positive experiences and regular interaction with the same staff.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0050,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,354
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Public HealthMême sujetHealthcare Systems and ReformsTravaux en français237 207