Delivering evidence-based smoking cessation treatment in primary care practice
Notice bibliographique
Résumé
Objective To report on the delivery of evidence-based smoking cessation treatments (EBSCTs) within a sample of 40 Ontario family health teams (FHTs). Design In each FHT, consecutive patients were screened for smoking status and eligible patients completed a questionnaire immediately following their clinic visits (index visits). Multilevel analysis was used to examine FHT-level, provider-level, and patient-level predictors of EBSCT delivery. Setting Forty FHTs in Ontario. Participants Across the 40 participating FHTs, 24 033 patients were screened and 2501 eligible patients contributed data. Main outcome measures Provider performance in the delivery of EBSCTs during the preceding 12 months and during the index visits was assessed. Results The rate of provider delivery of EBSCT for the previous 12 months was 74.0% for the advise strategy. At the index visit, rates of EBSCT strategy delivery were 56.8% for ask ; 46.9% for advise ; 38.7% for assist ; 11.6% for prescribing pharmacotherapy; and 11.3% for arrange follow-up. Significant intra-FHT and intraprovider variability in the rates of EBSCT delivery was identified. Family health teams with a physician champion (odds ratio [OR] 2.0; 95% CI 1.1 to 3.6; P < .01) and providers who highly ranked the importance of smoking cessation (OR 1.7; 95% CI 1.1 to 2.7; P < .01) were more likely to deliver EBSCTs. Patient readiness to quit (OR 1.6; 95% CI 1.3 to 1.9; P < .001), presence of smoking-related illness (OR 1.6; 95% CI 1.2 to 2.1; P < .01), and presenting for an annual health examination (OR 2.0; 95% CI 1.6 to 2.5; P < .001) were associated with the delivery of EBSCTs. Conclusion Rates of smoking cessation advice were higher than previously reported for Canadian physicians; however, rates of assistance with quitting were lower. Future quality improvement initiatives should specifically target increasing the rates of screening and advising among low-performing FHTs and providers within FHTs, with a particular emphasis on doing so at all clinic appointments; and improving the rate at which assistance with quitting is delivered.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».