Use of referral reply letters for continuing medical education: A review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Referrals between generalists and specialists are a central component of the health care system and necessitate effective communication between the involved providers. Despite the high prevalence of patient referrals and their crucial role in continuity and quality of care, the medical literature demonstrates that generalists may receive little or no information about the care their patients received and little information about the appropriateness of the referral or recommendations for follow-up care. General practitioners (GPs) prefer teaching that is directly related to their clinical work rather than traditional continuing education such as formal lectures. The purpose of this review is to assess the role of referral reply letters in the continuing education of GPs. METHODS: A comprehensive literature search was conducted to November 2001 using MEDLINE, EMBASE, the Cochrane Library, and the Research and Development Resource Base developed by Continuing Education, Faculty of Medicine, University of Toronto, to identify studies that examined the use of referral letters for the transfer of information from specialists to referring physicians. Data on methodology, unit of analysis, main outcome measures, and results were extracted. RESULTS: Of 1,250 articles retrieved, 9 met the eligibility criteria. Three of these analyzed the content of referral reply letters and 6 described the results of surveys of general and specialty physicians. DISCUSSION: Little educational content is currently included in letters from specialists to referring GPs. GPs are receptive to the use of referral replies as sources of learning.
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.
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 | 0,007 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle