PubMed چکیده/رکورد

Innovative Data Linkage for Enhancing Identification and Understanding of Social Determinants of Health Among the Medicaid Population.

استودیوی صوتی مقاله

پخش حرفه‌ای فارسی و انگلیسی

در حال بررسی نسخه‌های صوتی ذخیره‌شده…

صوت تولیدشده با هوش مصنوعی است. برای کاربرد علمی یا درمانی، متن و منبع اصلی را بررسی کنید.
خواندن هوشمند فارسی و انگلیسی در حال آماده‌سازی صداهای مرورگر…
تنظیم صدای طبیعی و سرعت

صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده می‌شود معمولاً طبیعی‌ترند. انتخاب صدا به صداهای نصب‌شده در ویندوز و مرورگر شما بستگی دارد.

چکیده اصلی

BACKGROUND: The COVID-19 pandemic led to economic and policy changes that increased Medicaid enrollment and reduced disenrollment. Tracking the impact of these changes on the composition of enrollees is crucial for resource allocation and program evaluation. However, Medicaid data currently lack the necessary demographic, social, and economic information about enrollees. OBJECTIVE: Enhance Medicaid enrollment data by linking it with nationally representative survey data to compare the composition of enrollees across various social determinants of health characteristics before and after the COVID-19 pandemic. RESEARCH DESIGN: We utilize individual-level Medicaid enrollment records (TAF, 2018-2021) before and during the pandemic, linked to restricted American Community Survey (ACS, 2021) microdata. RESULTS: Almost 95% of enrollees in our analytic sample received an anonymous identifier (Protected Identification Key), and nearly 1% were found in ACS data. By comparing Medicaid enrollees in different enrollment cohorts, we find that the pandemic caused significant compositional changes, particularly among the newly enrolled. Our findings indicate that those experiencing a major health or economic shock, either directly or through a family member, relied on Medicaid, likely as a temporary source of health insurance during the pandemic. CONCLUSIONS: Linking individual-level records between Medicaid and ACS data effectively addresses a crucial gap in current data capacity. The integrated data can be utilized, repurposed, and expanded by incorporating additional survey and administrative records to enhance the utility of Medicaid data for future research.

نتیجه فارسی

این مطالعه داده‌های ثبت‌نام در مدایز را با داده‌های نمونه‌ای سرشماری جامعه آمریکا متصل کرد تا اثر پاندمی کووید-۱۹ بر ترکیب ثبت‌نام‌کنندگان بررسی شود. یافته‌ها نشان می‌دهد پاندمی تغییرات قابل توجهی در ترکیب ثبت‌نام‌کنندگان ایجاد کرده است، به‌ویژه میان کسانی که ثبت‌نام جدیدی کرده‌اند. اتصال این داده‌ها می‌تواند برای تحقیقات آینده مفید باشد.

  • داده‌های ثبت‌نام در مدایز با داده‌های نمونه‌ای سرشماری جامعه آمریکا متصل شدند.
  • پاندمی تغییرات ترکیبی قابل توجهی در ثبت‌نام‌کنندگان ایجاد کرد.
  • کسانی که شوک سلامتی یا اقتصادی را تجربه می‌کردند، به مدایز متکی بودند.
  • اتصال داده‌ها می‌تواند برای تحقیقات آینده مفید باشد.

ترجمه فارسی چکیده

پاندمی کووید-۱۹ تغییرات اقتصادی و سیاستی ایجاد کرد که ثبت‌نام در مدایز را افزایش و حذف آن را کاهش داد. ردیابی اثر این تغییرات بر ترکیب ثبت‌نام‌کنندگان برای تخصیص منابع و ارزیابی برنامه ضروری است. داده‌های مدایز فعلاً اطلاعات دموگرافیک، اجتماعی و اقتصادی لازم درباره ثبت‌نام‌کنندگان را ندارند. هدف این مطالعه بهبود داده‌های ثبت‌نام در مدایز از طریق اتصال آن‌ها به داده‌های نمونه‌ای سراسری ملی است تا ترکیب ثبت‌نام‌کنندگان در ویژگی‌های مختلف عوامل اجتماعی تعیین‌کننده سلامت قبل و بعد از پاندمی مقایسه شود. در این مطالعه، سوابق ثبت‌نام فردی در مدایز (TAF، ۲۰۱۸-۲۰۲۱) قبل و حین پاندمی، به داده‌های میکرو داده‌های محدود سرشماری جامعه آمریکا (ACS، ۲۰۲۱) متصل شدند. تقریباً ۹۵٪ ثبت‌نام‌کنندگان در نمونه تحلیلی خود شناسه ناشناس دریافت کردند و حدود ۱٪ در داده‌های ACS یافت شدند. با مقایسه ثبت‌نام‌کنندگان در مدایز در مختلف cohorts ثبت‌نام،我们发现 پاندمی تغییرات ترکیبی قابل توجهی ایجاد کرد، به‌ویژه میان ثبت‌نام‌کنندگان جدید. یافته‌ها نشان می‌دهد کسانی که شوک بزرگ سلامتی یا اقتصادی را تجربه می‌کردند، مستقیماً یا از طریق یک عضو خانواده، به مدایز متکی بودند، احتمالاً به عنوان منبع موقت بیمه سلامت در حین پاندمی. اتصال سوابق فردی بین داده‌های مدایز و ACS به‌طور مؤثر شکاف حیاتی در ظرفیت فعلی داده‌ها را برطرف می‌کند. داده‌های یکپارچه می‌تواند با افزودن سوابق بیشتر نظرسنجی و اداری، استفاده، بازطراحی و گسترش یابد تا کاربرد داده‌های مدایز برای تحقیقات آینده افزایش یابد.

روش پژوهش

سوابق ثبت‌نام فردی در مدایز (TAF، ۲۰۱۸-۲۰۲۱) قبل و حین پاندمی به داده‌های میکرو داده‌های محدود ACS (۲۰۲۱) متصل شدند.

محدودیت‌ها

تقریباً ۱٪ از ثبت‌نام‌کنندگان در داده‌های ACS یافت نشدند. اثرات سایر عوامل اجتماعی و اقتصادی ناشناخته است.

استخراج ساختاریافته از متن منبع

نمای PICO و پیامدها

جمعیت
ثبت‌نام‌کنندگان در مدایز (نمونه تحلیلی)
مداخله/مواجهه
اتصال داده‌های ثبت‌نام در مدایز به داده‌های نمونه‌ای سرشماری جامعه آمریکا
مقایسه
داده‌های ثبت‌نام در مدایز بدون اتصال به داده‌های ACS
حجم نمونه
نامشخص

متن کامل اصلی

متن در JumpToDate ذخیره نشده است.

برای بررسی دسترسی کتابخانه‌ای یا خرید، رکورد اصلی را باز کنید.

رفتن به منبع اصلی

کلیدواژه‌ها

COVID-19 pandemicMedicaid enrollmentdata linkagesocial determinants of health
در همین زیرشاخه

مقاله‌های مرتبط

PubMed2026

Turning Structures Into Attributes: The Marginalisation of Critical Theory in Research on Social Determinants of Health.

Critical theory has provided important resources for understanding the social determinants of health (SDOH). Yet less is known about what happens to these explanatory resources as SDOH becomes increasingly institutionalised in research and policy. We examine this question through a scoping review of 298 peer-reviewed SDOH reviews published between 2005 and 2025, together with a close analysis of the 15 reviews with the highest annualis…

PubMed2026

AI and the Reproduction of Health Inequity: Redistribution-Translation-Accumulation Framework.

AI is increasingly embedded in the institutions and environments that shape health. Yet current frameworks for understanding its implications for health equity remain underdeveloped. The social determinants of health tradition provides a strong foundation, and recent work on digital determinants of health has begun to address the health implications of digital transformation. However, AI warrants distinct conceptual attention because o…

PubMed2026

Stunting in indigenous Waorani children living near the oil-extraction sites: What can the determinants of health tell us about this?

The Waorani are a recently contacted indigenous group inhabiting oil extraction territories in the Amazon. This study aimed to analyse the prevalence of stunting and explore its association with health determinants in Waorani children under 5 years of age. A cross-sectional study was conducted with 102 children. Mothers were surveyed about biological, socioeconomic, environmental and health service determinants. Bivariate, multivariate…