City mouse, country mouse: a mixed-methods evaluation of perceived communication barriers between rural family physicians and urban consultants in Newfoundland and Labrador, Canada
Notice bibliographique
Résumé
OBJECTIVES: To examine perceived communication barriers between urban consultants and rural family physicians practising routine and emergency care in remote subarctic Newfoundland and Labrador (NL). DESIGN: This study used a mixed-methods design. Quantitative and qualitative data were collected through exploratory surveys, comprised of closed and open-ended questions. The quantitative data was analysed using comparative statistical analyses, and a thematic analysis was applied to the qualitative data. PARTICIPANTS: 52 self-identified rural family physicians and 23 urban consultants were recruited via email. Rural participants were also recruited at the Family Medicine Rural Preceptor meetings in St John's, NL. SETTING: Rural family physicians and urban consultants in NL completed a survey assessing perceived barriers to effective communication. RESULTS: Data confirmed that both groups perceived communication difficulties with one another; with 23.1% rural and 27.8% urban, rating the difficulties as frequent (p=0.935); 71.2% rural and 72.2% urban as sometimes (p=0.825); 5.8% rural and 0% urban acknowledged never perceiving difficulties (p=0.714). Overall, 87.1% of participants indicated that perceived communication difficulties impacted patient care. Primary trends that emerged as perceived barriers for rural physicians were time constraints and misunderstanding of site limitations. Urban consultants' perceived barriers were inadequate patient information and lack of native language skills. CONCLUSIONS: Barriers to effective communication are perceived between rural family physicians and urban consultants in NL.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».