Observance des conseils de prévention et de soins préconisés au décours de l'Examen de Prévention en Santé : l’expérience au Centre d’Examens de Santé de Bayonne
Notice bibliographique
Résumé
Introduction: in an increasing social inequalities environment concerning health in France, access to healthcare for vulnerable population is a major health issue. The Health Insurance Health Examination Centers (CES) have for mission to improve that access by offering Preventive Health Examinations (EPS) to precarious populations. Our study’s main objective was to determine the ratio of consultants who performed examinations and cares recommended by the EPS. Method: cohort study with retrospective, single-center data collection within the Bayonne CES with consultants who carried out an EPS in 2018. Data collected from CES medical software and then from CPAM software. Results: 1459 consultants were included in the study. At least one anomaly was detected for 86.02% of those, among whom 23.11% (minimum workforce) did not start any care after the EPS. Typical profile of the patient belonging to the non-responder sub-group is : a young man, without neither appointed regular general practitioner nor complementary health insurance. Anomaly type, its severity and actions’ implementation within the CES influenced the follow-up. Discussion: EPS allows vulnerable and far from care population to have access to preventive actions, screening and to ease identified anomalies’ management, allowing them to better integrate a care pathway. However, almost a quarter of consultants do not follow up on the preventive examination done.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».