MétaCan
Menu
Retour à la cohorte
Enregistrement W2967096498 · doi:10.5539/gjhs.v11n10p43

Barriers to Communication About Complementary and Alternative Medicine With Patients: A Qualitative Study

2019· article· en· W2967096498 sur OpenAlexvenueno aff
Hsiao‐Yun Chang, Tzu-Fang Su, Robert McCreary Mannino

Notice bibliographique

RevueGlobal Journal of Health Science · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueComplementary and Alternative Medicine Studies
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Science and Technology, Taiwan
Mots-clésTeamworkFocus groupMedicineQualitative researchNursingMedical educationSociologyManagementSocial science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The purpose of this study is to explore the reasons for nurses’ reluctance to communicate with patients regarding the use of complementary and alternative medicines (CAM) and to determine ways of improving this communication. METHODS: A qualitative study using focus group interviews was conducted with 54 nurses participated in eight focus groups. Interview data were transcribed verbatim using framework analysis. Ethical approval was obtained from the Research Ethics Board. RESULTS: The themes were related to the reasons for nurses’ reluctance to communicate with patients were: (1) “the scope of nursing practice regarding CAM is unclear”, (2) “lack of CAM competencies in communication”, and (3) “unsupportive workplace culture in the communication of CAM”. The strategies for improving the communication were: (1) “awareness of the needs for CAM education”, (2) “engagement of interdisciplinary teamwork for CAM practice”, and (3) “establishment of an organizational standard for CAM practice”. CONCLUSIONS: This study provided new insights into the barriers to communication regarding CAM use with patients from the nurses’ perspectives, and helped identify the ways of improving this communication to advance the practice of nursing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,029
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0100,006
Communication savante0,0040,005
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,448
Écart entre enseignants0,403 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetComplementary and Alternative Medicine StudiesTravaux en français237 207