The GP perspective: problems experienced in providing diabetes care in UK general practice
Notice bibliographique
Résumé
AIMS: To describe the problems and barriers perceived by general practitioners (GPs) whilst providing diabetes care in primary care in England and Wales and to identify those health authorities (HAs) in which primary care reported the most and least difficulty. DESIGN: Descriptive postal survey using a self-administered questionnaire. SUBJECTS: One thousand eight hundred and seventy-three randomly sampled GP practices (one in five practices). RESULTS: One thousand three hundred and twenty (70%) responded. Getting patients to alter their lifestyles was perceived as causing the most difficulty in managing individual patients, followed by lack of time, patients' nonattendance, noncompliance with medical regimens and poor communication with secondary care. The greatest barriers to practices providing desirable care were lack of time/under-funding and keeping up to date in the area of diabetes, followed by lack of space, inadequate chiropody, dietetics, ophthalmology and access to secondary care. There are important differences between HAs in the difficulties experienced by primary care teams and we have ranked the HAs accordingly. CONCLUSION: The study has identified what problems need tackling in order to assist primary care to deliver good quality diabetes care, and has highlighted HAs where primary care needs further help, and HAs where examples of good practice may be found and useful lessons learnt. This should form the basis of a needs-based research and development programme for diabetes in primary care.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».