Collecting and using social needs data in health settings: a systematic review of the literature on health service utilization and costs
Notice bibliographique
Résumé
BACKGROUND: Social determinants of health significantly influence health outcomes and contribute to health inequities across populations. Systematic and routine collection of social needs data and its use to inform interventions within healthcare settings are proposed to reduce health services utilization and healthcare costs. This systematic review examines the impact of social needs data collection and use on health service utilization and healthcare costs. METHODS: Following PRISMA guidelines, we conducted a systematic review of studies published between January 2015 and February 2024. We included studies that reported on the collection and use of social needs data within healthcare settings in high-income countries. The review included randomized controlled trials, observational studies, quasi-experimental studies, qualitative studies, quality improvement studies, and mixed methods designs. Databases searched included Ovid MEDLINE, EMBASE, and Cochrane CENTRAL. The primary outcomes assessed were changes in health service utilization and healthcare costs. RESULTS: The review identified 35 relevant studies, predominantly from the United States. Interventions utilizing social needs data were implemented across various healthcare settings, including emergency departments, primary care, and inpatient facilities. Most studies reported reductions in emergency department visits (13/35) and hospitalizations (14/35) associated with collecting and using social needs data. Several studies demonstrated associated cost reductions, particularly in emergency department and hospitalization costs. However, the findings were mixed, with some studies reporting no significant changes or increased costs in certain areas, such as diagnostic testing and ambulatory care. CONCLUSIONS: Collecting and using social needs data within healthcare settings shows potential for reducing health service utilization and associated costs, particularly in targeted populations. The variability in outcomes suggests the need for context-specific approaches and further research to standardize reporting and understand the long-term impacts of these interventions. Standardized reporting and more robust study designs are needed to better understand these interventions' long-term impact, best implementation strategies, and scalability.
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 | 0,023 | 0,118 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,021 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».