Effects of a distance learning program on physicians' opioid- and benzodiazepine-prescribing skills
Notice bibliographique
Résumé
INTRODUCTION: Opioid misuse is common among patients with chronic nonmalignant pain. There is a pressing need for physicians to increase their confidence and competence in managing these patients. METHODS: A randomized controlled trial of family physicians (N = 88) attending 1 of 4 continuing medical education events helped to determine the effectiveness of e-mail case discussions in changing physician behavior. Before random assignment, participants completed a pretest and attended a 3-hour didactic session on prescribing opioids and benzodiazepines. The intervention group participated in 10 weeks of e-mail case discussions, with designated participants responding to questions on cases. An addictions physician facilitated the discussion. Several months after the e-mail discussion, participants took part in a mock telephone consultation; a blinded researcher posing as a medical colleague asked for advice about 2 cases involving opioid and benzodiazepine prescribing. Using a checklist, the researcher recorded the questions asked and advice given by the physician. RESULTS: On post-testing, both groups expressed greater optimism about treatment outcomes and were more likely to report using a treatment contract and providing advice about sleep hygiene. There were no significant differences between pretesting and post-testing between the groups on the survey. During the telephone consultation, the intervention group asked significantly more questions and offered more advice than the control group (odds ratio for question items, 1.27 [p = .03]; advice items, 1.33 [p = .01). DISCUSSION: Facilitated by electronic mail and a medical expert, case discussion is an effective means of improving physician performance. Telephone consultation holds promise as a method for evaluating physicians' assessment and management skills.
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) | 0,000 | 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 ».