Screening and addressing food insecurity at free clinics: a scoping review
Notice bibliographique
Résumé
Food insecurity (FI) is highly prevalent amongst patients seeking care at free, student-run health clinics. This study sought to examine the existing literature of food insecurity screenings and interventions at free clinics across the U.S. In this review, we provide the rate of FI screenings, the prevalence of FI, demographic information of patients screened, and interventions and barriers faced by clinics while implementing interventions to improve FI. Studies included in this review needed to implement a FI screening and intervention program in a free clinic within the United States. Additionally, eligible studies could address additional social determinants of health or chronic conditions, but had to include FI screenings and interventions. Due to the inclusion criteria requiring studies to occur in student-run free clinics, of the initial database search of 958 studies, only five were included for analysis. Among the studies, food insecurity was determined by the 6 item US Household Food Security Scale(HFSS), a single question from the USDA food security survey, and a custom 12 item redcap survey. Methods of combating food insecurity included grocery deliveries, in-clinic food pantries, onsite food boxes, aiding patients in accessing SNAP, WIC, and food pantries in the area, and providing referrals to community specific programs who provide food aid. General trends show that implemented FI interventions can range from barrier-informed support to general on-site food pantries. However, our review further showed that the lack of assessment of intervention outcomes limits conclusions on their respective effectiveness. Moving forward, future studies should focus on evaluating implemented programs to improve their broader applicability.
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 | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».