An Electronic Health Record-based Intervention to Facilitate Primary Care Referrals to WIC: A Retrospective Cohort Study (Preprint)
Notice bibliographique
Résumé
BACKGROUND: Despite benefits of the Special Supplemental Nutrition Program for Women, Infants, and Children (WIC), many eligible children remain unenrolled. OBJECTIVE: This study evaluated responses to an electronic health record (EHR)-embedded federal nutrition program (FNP) participation screening and WIC referral tool implemented within eight clinics during <5-year-well visits. METHODS: Structured EHR data from July 2020-October 2023 were extracted to summarize screening, referral acceptance, and WIC enrollment outcomes and patient demographics. Multivariable logistic regression examined patient-level predictors of WIC non-enrollment at first screening, referral acceptance, and enrollment among those accepting a referral, with stratified analyses by clinic type. RESULTS: Among 5,385 children, mean age at initial screening was 10.7 months (SD 14.2), 52% newborn-aged, 37% Hispanic, and 88% Medicaid-insured. Among screened patients (n=3,606), 34% were not enrolled in WIC at first screening (n=1,235). Medicaid coverage, academic clinic setting, and non-Hispanic Black or Hispanic race and ethnicity were associated with lower odds of WIC non-enrollment. Among those not enrolled with a documented response to referral (n=819), 59% accepted (n=488); acceptance was higher among non-Hispanic Black and Hispanic patients, newborn-aged patients, those with Medicaid coverage, and those seen in academic clinics. Among referral acceptors with follow-up (n=438), 61% were enrolled at last screening (n=265), with higher odds among newborn-aged patients and those in academic clinics. CONCLUSIONS: An EHR-based automated intervention can facilitate screening and referral to WIC. WIC participation at first screening, referral acceptance, and enrollment after referral varied by sociodemographic characteristics, suggesting opportunities to improve equitable access through health system-based approaches. CLINICALTRIAL: Not applicable.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».