MétaCan
Menu
Retour à la cohorte
Enregistrement W2169597067 · doi:10.1558/cam.v5i2.183

The rhetoric of patient voice: Reported talk with patients in referral and consultation letters

2009· article· en· W2169597067 sur OpenAlexaff
Marlee M. Spafford, Catherine F. Schryer, Lorelei Lingard

Notice bibliographique

RevueCommunication & Medicine · 2009
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRhetoricReferralMedicinePsychologyFamily medicineLinguistics

Résumé

récupéré en direct d'OpenAlex

Referral and consultation letters are written to enable the exchange of patient information and facilitate the trajectory of patients through the healthcare system. Yet, these letters, written about yet apart from patients, also sustain and constrain professional relationships and influence attitudes towards patients. We analysed 35 optometry referral letters and 35 corresponding ophthalmology consultation letters for reported 'patient voice' coded as 'experience' or 'agenda' and we interviewed 15 letter writers (eight optometry students, six optometrists, and one community ophthalmologist). There were 80 instances of reported 'patient voice' in 35 letters. The majority (68%) of the instances occurred in referral letters, likely due to differences in both 'letter function' and 'professional stance.' Reported 'patient voice' occurred predominantly as 'experience' (81%) rather than 'agenda' instances. Letters writers focused on their readers' needs, thus a biomedical voice dominated the letters and instances of reported 'patient voice' were recontextualized for the professional audience. While reporting 'patient voice' was not the norm in these letters, its inclusion appeared to accomplish specific work: to persuade reader action, to question patient credibility, and to highlight patient agency. These letter strategies reflect professional attitudes about patients and their 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,520
Score d'incertitude au seuil0,312

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,268
Écart entre enseignants0,247 · 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 tête enseignante, 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

Citations9
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunication & MedicineMême sujetHealthcare Systems and TechnologyTravaux en français237 207