A consultation-level intervention to improve care of frequently attending patients: a cluster randomised controlled feasibility trial
Notice bibliographique
Résumé
Background Frequent attenders (FAs) to primary care receive considerable NHS resources without necessarily gaining benefit, and may even be harmed. Aim To assess the feasibility of a consultation-level intervention to improve care and address service use of FAs. Design & setting A cluster randomised controlled feasibility trial was undertaken. The study used a mixed-methods process evaluation and took place in six practices in England. Method All practices screened the top 3% of all attending patients over the previous 12 months for eligibility. Following randomisation, intervention patients were matched with named GPs, trained to use the Background, Affect, Trouble, Handling, Empathy (BATHE) technique during consultations. Telephone consultations were encouraged. Feasibility outcomes assessed were recruitment, retention, data collection and completeness, implementation fidelity, and acceptability Results A total of 599/1328 (45.1%) FAs were eligible. Four practices were randomised to the intervention (n = 451) and two to usual care (n = 148). A total of 96 (23.7%) patients were recruited to complete questionnaires. Retention and completeness of data were good; for example, 76% of those agreeing to complete questionnaires did so at the 12-month assessment point. Thirty-four GPs were trained and delivered BATHE ≥1 times to 50.1% of patients (n = 577 consultations). There were minimal increases in continuity and telephone consultations. Patients were positive about the intervention, but noticed little change in their care. Despite valuing BATHE, low adherence to training was indicated and GPs used it less than anticipated. Conclusion It was feasible to identify FAs and collect trial data. GPs were keen to engage and there was evidence that the BATHE technique was taken into practice. Optimising training is likely to improve fidelity. The intervention was low cost and low risk.
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 | 0,012 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».