Problems and Risks of Unsolicited E-mails in Patient-Physician Encounters in Travel Medicine Settings
Notice bibliographique
Résumé
BACKGROUND: International travel and use of modern information technology are expressions of modern life style. Seeking on-line travel health advice via E-mail for preventive (teleprevention) or diagnostic reasons may become increasingly popular among patients with financial resources and Internet access. This study was undertaken to compare the behavior of travel clinic or tropical medicine physicians and other providers of travel-related medical information services toward unsolicited E-mails from fictitious patients in pretravel and post-travel scenarios. We also wanted to test the potential of E-mail advice for preventive medicine (teleprevention), and to find out how the "Good Samaritan Law" is observed. METHODS: Two different E-mails were posted to E-mail addresses of 171 physicians (members of travel health and/or tropical medicine societies) and services offering advice on travel health issues identified by an AltaVista search. These E-mails, from two different fictitious travelers, were asking for advice regarding malaria prophylaxis in a pretravel scenario and describing symptoms suggesting acute malaria. RESULTS: Of the contacted addresses 43.3% and 49.7% respectively, replied to the pre- and post-travel E-mail. Of those suggesting antimalarial chemoprophylaxis in the pretravel scenario, 13.2% proposed inadequate regimens, and at least 3.5% of the post-travel replies were inappropriate. The "Good Samaritan Law" was observed by a significant number of physicians. CONCLUSION: Both patients and physicians have to be aware of the limitations of E-mail communication. Guidelines protecting physicians against legal and ethical consequences of this new communication technology are urgently needed.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».