Comprehensive Review of the Success of the Hospital-at-Home Program in Today's Healthcare Delivery
Notice bibliographique
Résumé
Background: Social prescribing (SP) is a new approach of primary care with the aim of addressing patients' social, emotional, and practical needs (e.g., loneliness and mental health), which traditional medicine is ill-equipped to resolve. Given that 20% of general practice consultations are related to social needs, SP is timely. Aim: To review the implementation of social prescribing (SP) in general practice, including models of delivery, health and wellbeing outcomes, facilitators, barriers, and scalability. Methods: Following PRISMA 2020, we systematically searched MEDLINE, Embase, CINAHL, PsycINFO, and grey literature from 2000 to October 2024. Sixty-eight studies were synthesized narratively using the GRADE approach and thematic analysis, with systematic reviews, primary research, and policy reports included. Results: SP models differ across the globe: the UK is the only country in which the link worker model is formalized, while Canada and Australia have less established approaches. Improved mental health, social connectivity, and reduced food insecurity are associated with SP; evidence for physical health and healthcare use is mixed. Important facilitators include funding and training, while barriers include competing demands on resources and gaps in the evidence base. Conclusions: SP adds strength to general practice by addressing social determinants of health. Standardised evaluation and developing strategies for scalability and equitable access to programs will be important in maximising the impact of SP efforts.
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 | 0,013 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,010 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».