Changing chronic disease primary care patients' participation through web training : does it make a difference?
Notice bibliographique
Résumé
Contexte: La communication efficace entre les médecins et les patients peut améliorer les soins. Nous proposons qu’améliorer la participation des patients puisse conduire à une meilleure rétention de l'information au sujet des médicaments et à une atteinte des cibles de soins. Objectifs: Chez des patients atteints de maladies chroniques n’ayant pas atteint les cibles de soins, évaluer 1) l’impact d’une intervention web encourageant la participation lors de l’entrevue médicale sur l’atteinte de cibles de soins comparativement aux soins usuels (étude A); 2) quelles caractéristiques de communication médecin-patient prédisent la rétention des informations au sujet des médicaments discutés durant la consultation (étude B). Méthode : Le devis est un essai clinique aléatoire à simple insu. Les patients ont été répartis en trois groupes: a) soins usuels b) formation en ligne (e-Learning) c) formation en ligne combinée avec un atelier (e-Learning + atelier). Médecins, codeurs et personnel de recherche qui faisait l’extraction des données des dossiers médicaux étaient aveugles par rapport à la répartition. Contexte: L’étude s’est déroulée en Ontario dans neuf cliniques de première ligne ambulatoires en milieu urbain entre mars 2009 et septembre 2010. Population: Un échantillon de convenance de médecins de famille a été constitué selon les critères d’inclusion suivants : 1) avoir cinq années ou plus d’expérience clinique et 2) desservir une clientèle incluant des adultes atteints de maladies chroniques. Pour être éligibles les patients devaient : 1) être âgés de 40 ans ou plus, 2) parler anglais, 3) être capables d’utiliser un ordinateur pour des tâches simples routinières par exemple, accéder régulièrement à Internet ou au courriel, 4) avoir un suivi prévu 3 à 4 mois suivant la visite initiale d’inclusion, 5) permettre l’accès à leur dossier médical, 6) ne pas atteindre les cibles de soins selon les lignes directrices canadiennes et être traités pharmacologiquement soit pour de l’hypertension, du diabète type II ou de la dyslipidémie. . Description de l’intervention : La formation en ligne était basée sur l’approche PACE de Cegala (« Prepare, Ask, Check, Express »). Les participants au groupe e-Learning + atelier bénéficiait d’un atelier interactif additionnel qui visait l’apprentissage expérientiel des mêmes habiletés communicationnelles. Variables et instruments: Un enregistrement audio des consultations médicales a été fait. La communication médecin-patient a été analysée à l’aide de MEDICODE et du Système d’analyse de l’interaction de Roter. Les issues de santé, telle l’atteinte de cibles, ont été évaluées grâce aux valeurs de tension artérielle, d’hémoglobine glyquée et du profil lipidique consignées au dossier médical (étude A). La rétention des patients a été évaluée en comparant les réponses au questionnaire complété immédiatement après la consultation à l’enregistrement audio de la consultation (étude B). Analyses statistiques: Une régression de Poisson a servi pour l’analyse de l'atteinte de cibles. Des modèles linéaires mixtes ont été utilisés pour l’évaluation de la rétention. Résultats: Des patients ayant rencontré les critères d’inclusion (n=322), 221 se sont présentés pour leur visite de suivi. Les participants du groupe e-Learning ont atteint plus fréquemment leurs cibles de soins comparativement aux patients du groupe de soins usuels (RR =1.52, 95% CI [1.008-2.30]) (étude A). Pour les analyses de rétention, 159 patients ont été inclus. Sur une possibilité de discussion de six thèmes sur la médication, 2.5 ont été abordés en moyenne et les patients en ont retenu moins d’un. Des discussions abordant plus de thèmes, sous forme de dialogue et initiées plus fréquemment par le patient ont prédit une meilleure rétention de l’information (étude B). Conclusion: Les résultats des deux études indiquent que la participation active des patients aux consultations médicales a un impact positif sur l’atteinte des cibles de soins et la rétention des informations au sujet des traitements. Des outils en ligne promouvant la participation des patients sont des ajouts importants à la gestion des maladies chroniques.
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 | 0,008 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».