Challenges in family practice related to informed and shared decision-making: a survey of preceptors of medical students.
Notice bibliographique
Résumé
1leading to important adverse consequences. 2 It can be a communication challenge for clinicians to involve patients in informed and shared decision-making (ISDM). We defined the “competencies” needed for ISDM 3 in order to address this problem systematically through medical education. These competencies are communication skills related to building of partnerships; eliciting of preferences for receiving information and playing a role in decision-making; exploring of ideas, concerns and expectations; presenting of choices and evidence; reaching a decision and resolving conflict; and agreeing on an action plan and follow-up. In this study, we asked, What are the most frequent and challenging situations that require ISDM skills experienced by family practice preceptors of medical students? The information could be used to refine training in communication skills, because students and preceptors are likely to be motivated to learn approaches to difficult and common problems. It has been reported that the “difficult patient” occurs in 10%–20% of primary care encounters, 4 but the terms used in the substantial “difficult patient” literature do not seem to be congruent with the “difficulties” that physicians may have in engaging patients in ISDM. Some examples that do seem relevant have been suggested by Platt and Gordon: 5 “nonadherence,” “the list maker,” “the patient’s companion,” “the patient bearing literature” and, in a survey of general practitioners’ frequent problems, “patient’s noncompliance with treatment and follow-up,” “sharing understanding of the problem with the patient” and “differences in expectations between physician and patient.” 6
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 | 0,006 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».