Medical Problems Referred to a Care of the Elderly Physician: Insight for Future Geriatrics CME
Notice bibliographique
Résumé
PURPOSE: Family physicians provide the majority of elderly patient care in Canada. Many experience significant challenges in serving this cohort. This study aimed to examine the medical problems of patients referred to a care of the elderly physician, to better understand the geriatric continuing medical education (CME) needs of family doctors. METHODS: A retrospective chart review of patients assessed at an urban outpatient seniors' clinic between 2003 and 2008 was conducted. Data from 104 charts were analyzed and survey follow-up with 28 of the referring family physicians was undertaken. Main outcomes include the type and frequency of medical problems actually referred to a care of the elderly physician. Clarification of future geriatric CME topics of need was also assessed. RESULTS: Preventive care issues were addressed with 67 patients. Twenty-four required discussion of advance directives. The most common medical problems encountered were osteoarthritis (42), hypertension (34), osteoporosis (32), and depression or anxiety (23). Other common problems encountered that have not been highly cited as being a target of CME included musculoskeletal and joint pain (41), diabetes (23), neck and back pain (20), obesity (11), insomnia (11), and neuropathic, fibromyalgia and "leg cramps" pain (10). The referring family physicians surveyed agreed that these were topics of need for future CME. CONCLUSIONS: The findings support geriatric CME for the common medical problems encountered. Chronic pain, diabetes, obesity and insomnia continue to be important unresolved issues previously unacknowledged by physicians as CME topics of need. Future CME focusing more on process of geriatric care may also be relevant.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».