Health risk appraisal for older people 5: self-efficacy in patient–doctor interactions
Notice bibliographique
Résumé
OBJECTIVE: Enhancing self-efficacy is central to programmes promoting self-care and self-management. However, little is known about older people's self-efficacy in doctor-patient interactions. This paper investigates lifestyle, medical and demographic factors associated with self-efficacy in doctor-patient interactions in older people in general practice. METHODS: A cross-sectional analysis of data from a randomised controlled trial of older people was conducted in a health risk appraisal study in London. Self-efficacy was measured using the Perceived Efficacy in Patient-Physician Interactions Questionnaire. RESULTS: Older people with higher self-efficacy were significantly more likely to report having had recent preventive care measures such as recent blood pressure measurement and influenza immunisation. Women were less likely to have higher self-efficacy than men. Older people were significantly less likely to have high self-efficacy if they reported having poor memory, low mood, limited activities due to fear of falling, basic education, difficulties with at least one activity of daily living, reduced physical activity, living alone, or risk of social isolation. CONCLUSION: A third of people had low self-efficacy in doctor-patient interactions. They appear to be a vulnerable group. Low self-efficacy in interactions with doctors may be a symptom or a characteristic of older people who experience social isolation and depression. Policies that depend on enhancing self-care and self-management need to consider the large number of older people with low self-efficacy in using medical services, and understanding characteristics in older people associated with lower confidence in doctor-patient interactions may be useful in clinical practice and research.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 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 ».