Assessing culturally competent diabetes care with unannounced standardized patients.
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: More effective diabetes care is desperately needed, especially for ethnic minority populations. Provider cultural competence promises to be an important means for reducing disparities in outcomes for patients with diabetes. The objectives of this study were to understand the role of cultural competence in the diabetes office visit. METHODS: Unannounced standardized patients (SPs) were sent to the offices of 29 family and internal medicine residents and practicing physicians. The SPs portrayed a Mexican American woman newly diagnosed with type 2 diabetes. Using a checklist developed with the input of experts in Hispanic/Latino health care and cultural competence, the SPs evaluated physicians' cultural competence, diabetes care, and general communications skills. RESULTS: The average total SP Checklist score was 70.7-11.0%, with a range of 43.9% to 90.2%. Physicians scored highly on items that measured general communication skills (95.9%) but were less likely to ask about social history (ie, family and community support issues, 51.9% and 48.1%, respectively). Sixty-seven percent of physicians ordered a hemoglobin A1c, 44% referred to ophthalmology, and 15% performed a monofilament exam. Physicians' inquiry into SPs explanatory model of disease (ie, asking about the SPs' views regarding their disease and its treatment) correlated with the performance of several diabetes treatment-related behaviors, Spearman's rho=.466. CONCLUSIONS: The findings provide support for a relationship between inquiry into patients' explanatory models of disease and effective diabetes care. Social history and explanatory model elicitation skills are vital parts of cultural competence training programs and potentially valuable tools for mitigating health disparities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».