P.024 Educational needs in migraine care: results from a mixed-methods study among Canadian primary care providers and specialists
Notice bibliographique
Résumé
Background: Migraines are sub-optimally treated, affect millions of Canadians, and are underrepresented in medical training. A study was conducted to identify the needs of Canadian Healthcare Providers (HCPs) for migraine education, with the aim to inform the development of learning activities. Methods: This ethics-approved study was deployed in two consecutive phases using a mixed-methods approach. Phase 1 (qualitative) explored the causes of challenges to migraine care via a literature review, input from an expert working group, and semi-structured interviews with multiple stakeholders. Phase 2 (quantitative) validated these causes using an online survey. Results: The study included 103 participants (28 in phase 1; 75 in phase 2): general practitioners=37; neurologists=24; nurses=14; pharmacists=20; administrators, policy influencers and payers=8. Four areas of sub-optimal knowledge were identified: (1) Canadian guidelines, (2) diagnostic criteria, (3) preventive treatment, and (4) non-pharmacological therapies. Attitudinal issues related to the management of migraine patients were also identified. Detailed data including the frequencies of knowledge gaps among general practitioners and general neurologists will be presented along with qualitative findings. Conclusions: Educational activities for general practitioners and general neurologists who treat patients with migraines should be designed to address the four educational needs described in this study.
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 | 0,015 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| 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 ».