Teaching Residents How to Effectively Prescribe Nicotine Replacement Therapy on the Clinical Teaching Unit
Notice bibliographique
Résumé
Cigarette smoking is the leading cause of preventable death. On the Clinical Teaching Unit, medical students and residents are well positioned to provide smoking cessation resources to patients with the aim of improving quit rates. However, there is a paucity of data evaluating their role in counselling patients on smoking cessation. A survey at our centre identified that medical trainees had a lack of knowledge regarding Nicotine Replacement Therapy (NRT) as a barrier to smoking cessation counselling. We hypothesized that a teaching session on NRT during an inpatient Internal Medicine rotation would increase learner comfort in prescribing these products. Medical trainees on the Internal Medicine Clinical Teaching Unit (CTU) attended a teaching session during week 4 of an 8-week rotation. Pharmacy records from the 8-week period were retrospectively analyzed to determine NRT prescribing behaviour. Pre-intervention, 5.8% (13/225) of new admissions received an NRT prescription. Post-intervention, 17% (31/182) of new admissions received an NRT prescription. Using a Fisher’s exact test, the percentage of new admissions that received a prescription was significantly different (p<0.001) between the pre- and post-intervention time frames. This data suggests that integrating education on NRT into CTU teaching can significantly alter prescribing behaviour and improve access to NRT for patients who need it.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».