Frequent consulting and multiple morbidity: a qualitative comparison of 'high' and 'low' consulters of GPs
Notice bibliographique
Résumé
BACKGROUND: Frequent consulting is associated with multiple and complex social and health conditions. It is not known how the impact of multiple conditions, the ability to self-manage and patient perception of the GP consultation combines to influence consulting frequency. OBJECTIVE: To investigate reasons for frequent consultation among people with multiple morbidity but contrasting consulting rates. METHODS: Qualitative study with in-depth interviews in the west of Scotland. Participants were 23 men and women aged about 50 years with four or more chronic illnesses; 11 reported consulting seven or more times in the last year [the frequent consulters (FCs)] and 12, three or fewer times [the less frequent consulters (LFCs)]. The main outcome measures were the participants' accounts of their symptoms, self-management strategies and reasons for consulting a GP. RESULTS: All participants used multiple self-management strategies. FCs described: more disruptive symptoms, which were resistant to self-management strategies; less access to fewer treatments and resources and more medical monitoring, for unstable conditions and drug regimens. The LFCs reported: less severe and more containable symptoms; accessing more efficacious self-management strategies and infrequent GP monitoring for stable conditions and routine drug regimens. All participants conveyed consulting as a 'last resort'. However, the GP was seen as 'ally', for the FCs, and as 'innocent bystander', for the LFCs. CONCLUSIONS: This qualitative investigation into the combined significance of multiple morbidities and self-management on the GP consultation suggests that current models of self-management might have limited potential to reduce utilization rates among this vulnerable group. Severity of symptoms, stability of condition and complexity of drug regimens combine to influence the availability of effective resources and influence frequency of GP consultations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».