PubMed دسترسی آزاد

Assessing methods to identify Veterans Health Administration populations with Veterans Justice Programs contact to improve health research.

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

Military veterans with criminal legal involvement have a need for healthcare and housing to attenuate their risks of suicide, overdose, and homelessness. Links between criminal legal involvement and Veterans Health Administration (VHA) care are poorly understood, partly because it is challenging to correctly identify veterans with criminal legal involvement. This study's primary objective was to assess VHA data sources and codes from the electronic health record that indicate contact with Veterans Justice Programs (VJP) staff - a broad proxy for criminal legal involvement. We examined three data sources used in previous research to identify veterans who had contact with VJP staff: (1) presence of VJP clinic stop codes in the outpatient encounter records, (2) Homeless Outreach Management and Evaluation System (HOMES) VJP form records collected during VJP outreach, and (3) chart note titles that included VJP terms. In Fiscal Year 2024, there were 52,672 unique VHA-eligible veterans with VJP contact as determined by at least one indicator: 80% with clinic stop codes, 22% with HOMES records, and 63% with chart note titles (Fleiss' κ = 0.22, p < .001). Patient characteristics varied in their association with each data source, suggesting substantial proportions of veterans with specific characteristics who received VJP services would be missing when only one or two data sources were used. Depending on the data source, diagnosis of a clinical condition varied by 9% and there was a 6% difference observed in a performance measure. These results suggest that the use of all three data sources to identify veterans with VJP contact is the most comprehensive strategy among those examined. Results are most applicable to VHA, the largest healthcare system to serve a criminal legal involved population, and provide information that other healthcare systems may need various data sources and indicators to identify patients with criminal legal involvement.

نتیجه فارسی

این مطالعه روش‌های مختلفی را برای شناسایی سربازان بازنشسته VHA که با برنامه‌های عدالت veterans (VJP) در تماس بوده‌اند، مقایسه کرد. استفاده از همزمان سه منبع داده (کدهای توقف کلینیک، سوابق HOMES و عناوین یادداشت) شناسایی را به طور کامل‌تری نسبت به استفاده از یک یا دو منبع انجام می‌دهد. نتایج نشان می‌دهد که ترکیب این منابع برای تحقیقات پزشکی و ارزیابی کیفیت مراقبت در این جمعیت ضروری است.

  • شناسایی سربازان بازنشسته با درگیری در قوانین کیفری در VHA دشوار است.
  • استفاده از همزمان سه منبع داده (کدهای توقف، سوابق HOMES و یادداشت‌ها) شناسایی جامع‌تری ارائه می‌دهد.
  • کمبود اطلاعات در منابع تک‌منبع‌ای می‌تواند منجر به خطاهای تشخیصی و ارزیابی عملکرد شود.
  • این یافته‌ها برای سایر سیستم‌های مراقبت‌های پزشکی که با جمعیت‌های دارای درگیری در قوانین کیفری سر و کار دارند، کاربرد دارد.

ترجمه فارسی چکیده

سربازان بازنشسته با درگیری در قوانین کیفری به مراقبت‌های پزشکی و مسکن برای کاهش ریسک‌های خودکشی، مصرف بیش از حد دارو و بی‌خانمانی نیاز دارند. ارتباط بین درگیری در قوانین کیفری و مراقبت‌های اداره بهداشت veterans (VHA) به خوبی درک نشده است، partly because it is challenging to correctly identify veterans with criminal legal involvement. هدف اصلی این مطالعه ارزیابی منابع و کدهای داده‌های سیستم سلامت الکترونیک (EHR) در VHA که نشان‌دهنده تماس با کارکنان برنامه‌های عدالت veterans (VJP) هستند - یک شاخص کلی برای درگیری در قوانین کیفری. ما سه منبع داده‌ای که در تحقیقات قبلی استفاده شده‌اند را بررسی کردیم: (1) حضور کدهای توقف کلینیک VJP در سوابق ملاقات‌های خارج از بیمارستان، (2) سوابق فرم VJP سیستم مدیریت و ارزیابی گسترش بی‌خانمانی (HOMES) که در حین گسترش VJP جمع‌آوری شده‌اند، و (3) عناوین یادداشت‌های نمودار که شامل اصطلاحات VJP بودند. در سال مالی 2024، 52,672 سرباز بازنشسته واجد شرایط VJA با تماس VJA بر اساس حداقل یک شاخص وجود داشت: 80٪ با کدهای توقف کلینیک، 22٪ با سوابق HOMES و 63٪ با عناوین یادداشت نمودار (Fleiss' κ = 0.22، p < .001). ویژگی‌های بیمار در ارتباط با هر منبع داده متفاوت بود، که نشان‌دهنده بخش‌های قابل توجهی از veterans با ویژگی‌های خاص که خدمات VJA را دریافت می‌کردند، در صورت استفاده از فقط یک یا دو منبع داده از دست می‌رفتند. بسته به منبع داده، تشخیص یک وضعیت بالینی متغیر بود و تفاوتی 6٪ در یک شاخص عملکرد مشاهده شد. این نتایج نشان می‌دهد که استفاده از همه سه منبع داده برای شناسایی veterans با تماس VJA، جامع‌ترین استراتژی در میان آن‌هایی است که بررسی شده‌اند. نتایج بیشتر برای VHA، بزرگترین سیستم مراقبت‌های پزشکی برای خدمت به جمعیتی با درگیری در قوانین کیفری، و اطلاعات ارائه می‌دهند که سایر سیستم‌های مراقبت‌های پزشکی ممکن است نیاز به منابع و شاخص‌های مختلف داشته باشند تا بیماران با درگیری در قوانین کیفری را شناسایی کنند.

روش پژوهش

این مطالعه سه منبع داده را برای شناسایی تماس با کارکنان VJA بررسی کرد: کدهای توقف کلینیک VJA، سوابق فرم HOMES VJP و عناوین یادداشت نمودار حاوی اصطلاحات VJP. داده‌ها از سوابق الکترونیک سلامت VHA در سال مالی 2024 استخراج شدند.

محدودیت‌ها

مطالعه صرفاً بر اساس داده‌های موجود در VHA متمرکز است و نتایج ممکن است به طور مستقیم به سایر سیستم‌های مراقبت‌های پزشکی تعمیم داده نشود. همچنین، استفاده از کدهای توقف و عناوین یادداشت به عنوان شاخص‌های تماس VJA ممکن است شامل مواردی باشد که به طور مستقیم با خدمات VJA مرتبط نیستند.

استخراج ساختاریافته از متن منبع

نمای PICO و پیامدها

جمعیت
سربازان بازنشسته واجد شرایط اداره بهداشت veterans (VHA) که با برنامه‌های عدالت veterans (VJP) در تماس بوده‌اند.
مداخله/مواجهه
برنامه‌های عدالت veterans (VJP) - به عنوان شاخصی برای درگیری در قوانین کیفری.
مقایسه
سه منبع داده متفاوت: کدهای توقف کلینیک، سوابق HOMES و عناوین یادداشت نمودار.
حجم نمونه
52,672 سرباز بازنشسته واجد شرایط VJA با تماس VJA.

متن کامل اصلی

نسخه دارای مجوز در منبع علمی در دسترس است.

لینک مستقیم از metadata منبع گرفته شده و در تب جدید باز می‌شود.

باز کردن متن کامل
در همین زیرشاخه

مقاله‌های مرتبط

PubMed2026

Clinical effectiveness and safety of metadoxine in the management of acute alcohol intoxication: A single-center retrospective cohort study.

BACKGROUND: Acute alcohol intoxication (AAI) is a common emergency with no specific antidote. Metadoxine has shown potential but lacks sufficient real-world evidence, particularly in Chinese populations. OBJECTIVES: To evaluate the clinical efficacy and safety of metadoxine in patients with acute alcohol intoxication. METHODS: This single-center retrospective cohort study included 124 patients with AAI admitted to an emergency departme…

PubMed2026

D3MI: an efficient and powerful federated imputation method for bias reduction in the analysis of distributed incomplete data by accounting for within-site correlation and between-site heterogeneity.

BACKGROUND: Electronic health records (EHRs) collected from diverse healthcare institutions offer a rich and representative data source for clinical research. Federated learning enables analysis of these distributed data without sharing sensitive patient-level information, preserving privacy. However, missing data remain a major challenge and can introduce substantial bias if not properly addressed. Very few distributed imputation meth…

PubMed2026

Extraction of Pain Severity and Functional Interference From Clinical Narratives Using Domain-Informed Large Language Models: Protocol for a Development and Validation Study.

BACKGROUND: Chronic pain is a leading cause of disability and requires multidimensional assessment of pain intensity and functioning, yet electronic health records rarely capture these measures systematically. By contrast, surveys collecting patient-reported outcomes can assess pain over multiple dimensions but remain resource-intensive and difficult to scale for continuous population-level monitoring. OBJECTIVE: The objective of this …

PubMed2026

From data entry to digital transformation: Allied health perspectives on standardised electronic medical records data.

BACKGROUND: Electronic medical records (EMRs) currently rely on standardised data fields to support secondary data use for clinical care, performance monitoring, and system-level reporting. However, utilisation of standardised data capture and reporting within allied health remains underdeveloped in practice. Greater understanding of how allied health clinicians and managers perceive the purpose, value, and impact of standardised data …