Factors associated with rates of tobacco treatment deliveryby General Practitioners in Greece: Missed opportunities forprevention?
Notice bibliographique
Résumé
INTRODUCTION: This study investigates the clinic-, provider- and patient-level factors associated with delivery of 4 (Ask, Advise, Assist, Arrange) elements of the 5As approach to smoking cessation in general practice in Greece. METHODS: We conducted a secondary analysis of data derived from a quasi-experimental study (The TiTAN Crete study) among general practitioners (GPs) in Crete, Greece in 2015-2016. Twenty-four GPs and a cross-sectional sample of 1301 smokers from their practices were surveyed. This paper reports on the results of the multi-level modelling conducted to examine predictors of 4As delivery. RESULTS: Our analysis found clinic characteristics, including the presence of an electronic medical record, being located in a rural setting, and being in private practice were significantly associated with increased rates of tobacco treatment delivery. Female GPs were more likely than males to arrange follow-up (AOR 3.38, 95%CI 1.11, 10.35). Our analysis found a variety of patient-level factors were positively associated with tobacco treatment delivery, including: longer smoking history; presence of a smoking related illness; readiness to quit smoking; and symptoms or a diagnosis of anxiety, depression or other mental health illness. Other patient-level factors were negatively associated with tobacco treatment delivery, including level of education and reason for visit. Patients seen in clinic for episodic care were less likely to be 'asked' (AOR 0.22, 95%CI 0.12, 0.39), 'advised' (AOR 0.22, 95%CI 0.13, 0.38), and receive 'assistance' (AOR 0.36, 95%CI 0.19, 0.66) compared to patients seen in clinic for a medical examination. CONCLUSIONS: Providers are significantly more frequently delivering tobacco treatment to a sub-group of high-risk patients compared to other tobacco users in their clinical practice. This results in missed opportunities for early intervention and disease prevention.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».