Needs assessment and current practice of alcohol risk assessment of pregnant women and women of childbearing age by primary health care professionals.
Notice bibliographique
Résumé
BACKGROUND: Assessing the current practices and learning and resource needs of primary health care professionals in regards to their alcohol risk assessment practices is an important step in providing optimal training and educational methods. Needs and current practices in alcohol risk assessment of pregnant women and women of child bearing years may vary according to practitioner demographics. METHODS: To appraise alcohol risk assessment current practices and learning and resource needs among Saskatchewan primary health care professionals, a mail and online survey was distributed in the spring of 2006 to family physicians/general practitioners and nurse practitioners. RESULTS: In total, 876 surveys were distributed and 386 were returned for an overall response rate of 44.1%. The majority of survey respondents reported either rarely or never using a standardized screening tool in assessing alcohol risk in women or reported using a standardized screening tool that is less sensitive. Current practices varied according to gender, length of time in practice and practice location, while learning and resource needs were more likely to be identified by nurse practitioners, female physicians, and physicians from rural areas. Physicians who had practiced for less than 5 years were more likely to want an online course. DISCUSSION: Knowing the needs and practices of health care professionals may assist learning and resource training and could assist in teaching best practices in alcohol risk assessment. Assessing alcohol risk in pregnant women and women of childbearing age is critical for prevention of FASD.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».