More primary care patients regret health decisions if they experienced decisional conflict in the consultation: a secondary analysis of a multicenter descriptive study
Notice bibliographique
Résumé
BACKGROUND: We sought to estimate the extent of decision regret among primary care patients and identify risk factors associated with regret. METHODS: Secondary analysis of an observational descriptive study conducted in two Canadian provinces. Unique patient-physician dyads were recruited from 17 primary care clinics and data on patient, physician and consultation characteristics were collected before, during and immediately after consultations, as well as two weeks post-consultation, when patients completed the Decision Regret Scale (DRS). We examined the DRS score distribution and performed ordinal logistic regression analysis to identify predictors of regret. RESULTS: Among 258 unique patient-physicians dyads, mean ± standard deviation of decision regret scores was 11.7 ± 15.1 out of 100. Overall, 43 % of patients reported no regret, 45 % reported mild regret and 12 % reported moderate to strong regret. In multivariate analyses, higher decision regret was strongly associated with increased decisional conflict and less significantly associated with patient age and education, as well with male (vs. female) physicians and residents (vs. teachers). CONCLUSION: After consulting family physicians, most primary care patients experience little decision regret, but some experience more regret if there is decisional conflict. Strategies for reducing decisional conflict in primary care, such as shared decision-making with decision aids, seem warranted.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».