Supporting genetics in primary care: investigating how theory can inform professional education
Notice bibliographique
Résumé
Evidence indicates that many barriers exist to the integration of genetic case finding into primary care. We conducted an exploratory study of the determinants of three specific behaviours related to using breast cancer genetics referral guidelines effectively: 'taking a family history', 'making a risk assessment', and 'making a referral decision'. We developed vignettes of primary care consultations with hypothetical patients, representing a wide range of genetic risk for which different referral decisions would be appropriate. We used the Theory of Planned Behavior to develop a survey instrument to capture data on behavioural intention and its predictors (attitude, subjective norm, and perceived behavioural control) for each of the three behaviours and mailed it to a sample of Canadian family physicians. We used correlation and regression analyses to explore the relationships between predictor and dependent variables. The response rate was 96/125 (77%). The predictor variables explained 38-83% of the variance in intention across the three behaviours. Family physicians' intentions were lower for 'making a risk assessment' (perceived as the most difficult) than for the other two behaviours. We illustrate how understanding psychological factors salient to behaviour can be used to tailor professional educational interventions; for example, considering the approach of behavioural rehearsal to improve confidence in skills (perceived behavioural control), or vicarious reinforcement as where participants are sceptical that genetics is consistent with their role (subjective norm).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».