MétaCan
Menu
Retour à la cohorte
Enregistrement W2141519372 · doi:10.5402/2013/176020

Personal Health Practices and Patient Counseling of German Physicians in Private Practice

2013· article· en· W2141519372 sur OpenAlexaff
Edgar Voltmer, Erica Frank, Claudia Spahn

Notice bibliographique

RevueISRN Epidemiology · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueSchool Health and Nursing Education
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversität zu Lübeck
Mots-clésOverweightGermanMedicineAlcohol consumptionPopulationPrivate practiceGerontologyFamily medicineDemographyAlgorithmObesityAlcoholInternal medicineMathematicsEnvironmental healthChemistry

Résumé

récupéré en direct d'OpenAlex

We examined physicians' personal health behaviors and the influence on their patient counseling practices in a representative sample ( N=414 ) of physicians in private practice in Schleswig-Holstein, Germany. Physicians reported significantly better physical but poorer mental health compared to the general population (GP; P>0.01 ). The majority presented with normal weight (47.9% male, 73.1% female physicians versus 24.5/41.0% GP) or overweight (47.5% male, 20.0% female versus 52.9/35.6% GP). Frequency of exercise and fruit and vegetable consumption was higher than in the GP. About 70% drank coffee or tea more than once a day, but only 13.2% of female and 21.8% of male physicians were current smokers (GP 20.1/30.5%). More than half (56.1%) usually or always counseled a typical patient on exercise versus nutrition (47.0%), weight (45.8%), smoking (39.9%), and alcohol (30.0%). Doctors with better personal exercise, nutrition, smoking, and alcohol behaviors counseled their patients significantly more often on related topics. Despite better physical health and health behaviors in these German doctors compared to the GP, there is room for improvement (smoking, overweight), which could be expected to positively influence the counseling practice and impact of doctors' role modeling on patients.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,123
Tête enseignante GPT0,530
Écart entre enseignants0,407 · 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'étudeObservationnel
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

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueISRN EpidemiologyMême sujetSchool Health and Nursing EducationTravaux en français237 207