MétaCan
Menu
Retour à la cohorte
Enregistrement W2138491521 · doi:10.1093/fampra/cmq094

The content of talk about health conditions and medications during appointments involving interpreters

2010· article· en· W2138491521 sur OpenAlexafffund
Ellen Rosenberg, Claude Richard, Marie‐Thérèse Lussier, T. Shuldiner

Notice bibliographique

RevueFamily Practice · 2010
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterpreting and Communication in Healthcare
Établissements canadiensMcGill UniversitySt Mary's Hospital CentreUniversité de MontréalCentre Integre de Sante et de Services Sociaux de LavalMcGill University Health Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineInterpreterFamily medicineMEDLINE

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Interpreters often join immigrants and physicians to permit communication. OBJECTIVE: To describe the content of talk about health problems and medications during clinical encounters involving interpreters [professionals (PI) or family members (FI)]. METHODS: We analysed one regularly scheduled encounter for each of 16 adult patients with his family physician and their usual interpreter (10 with a PI and 6 with a FI). A different PI, not involved in the consultations, translated the non-English or French parts. We coded all utterances about each medical problem and each medication using six health problem and 16 medication topics from MEDICODE, a validated coding scheme. RESULTS: Physicians and patients addressed an average of 3.6 problems and 3 medications per encounter. No psychosocial problems were discussed in encounters involving FIs. On average, three topics were discussed per problem. In order of frequency, they were follow-up, explanations of the condition, non-drug management, consequences, self-management and emotions about the problem. Encounters involving PIs were more likely than encounters with FIs to include discussions of emotions about the problem (42% versus 4%, P = 0.001) and indications for follow-up (88% versus 28%, P < 0.001). An average of 6.5 topics was discussed per medication. Commonest topics discussed were medication class, how the drug was being used, achieved effect and expected effect. CONCLUSIONS: One can address multiple problems and share vital information even in the presence of a language barrier. When FIs are interpreting, physicians would do well to make a particular effort to bring the patient's psychological and emotional issues into the interaction.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,448
Écart entre enseignants0,375 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFamily PracticeMême sujetInterpreting and Communication in HealthcareTravaux en français237 207