Where students go when they are ill: how medical students access health care
Notice bibliographique
Résumé
BACKGROUND: Doctors have high levels of self-treatment, investigation and referral, but little is known about how medical students seek health care. Methods We carried out a questionnaire survey of Year 2 and 4 students, exploring their health-seeking behaviour and attitudes to self-care. SETTING: A London medical school. RESULTS: The response rate was 80%. Nearly all students (99%) were registered with a general practitioner (GP). A total of 43% had informally consulted doctors who were friends or relatives in the previous 12 months (61% of those with a doctor as a family member had informally consulted, and 33% of those without a doctor as a family member had informally consulted; P = 0.001). In all, 13% of Year 4 students and 2.2% of Year 2 students had received a prescription from a friend (P = 0.007). Almost a quarter (22%) of Year 4 and 1.3% of Year 2 students reported having directly contacted a specialist (P = 0.01). A third (32%) (43% Year 4, 1.3% Year 2; P = 0.006) of those referred in the previous 12 months had contacted the consultant directly. In all, 9.2% (0% Year 2, 20% Year 4; P = 0.001) had initiated their own investigations, and 25% (47% Year 4, 7% Year 2; P = 0.001) had been examined by a colleague. Students agreed that it was appropriate for doctors to self-investigate (52%), self-refer (59.1%) and self-prescribe (39.2%). CONCLUSION: Medical students appear to bypass their GPs and initiate investigations, referrals or treatment. This is associated with increased clinical access or access through family members. Self-management of illness is learnt early on in students' careers and is increased with availability and increasing clinical access.
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 | 0,003 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».