Determinants of a high-quality consultation in medical communications: a systematic review of qualitative and quantitative evidence
Notice bibliographique
Résumé
Purpose The medical consultation is one of the requirements in diseases diagnosis and patient treatment. In addition, a high-quality consultation is a fundamental demand of patients, and it is one of the rights of every patient. The purpose of this paper is to identify factors affecting the high-quality consultation in medical communications. Design/methodology/approach The following electronic databases were searched: MEDLINE (via PubMed), Web of Science, Cochrane, EMBASE, Scopus and ProQuest until December 2018. In addition, the authors searched Google Scholar. Qualitative and quantitative studies were assessed using the Critical Appraisal Skills Programme, Qualitative Checklist and the Center for Evidence-Based Management appraisal checklist, respectively. A stepwise approach was conducted for data synthesis. Findings Of 3,826 identified studies, 29 met the full inclusion criteria. Overall, after quality assessment of studies, 25 studies were included. The studies were conducted in the USA ( n =6), the UK ( n =6), the Netherlands ( n =4), Canada ( n =2), Belgium ( n =2), Poland ( n =2), Germany ( n =1), Iran ( n =1), Finland ( n =1), Austria ( n =1), Qatar ( n =1), Denmark ( n =1) and China ( n =1), and five studies were excluded. Data synthesis showed that high-quality consultation consisted of three main categories: structural (4 main themes with 26 sub-themes), process (2 main themes with 33 sub-themes) and outcome (3 main themes with 12 sub-themes) quality. Originality/value Using the indicators of consultation quality improvement can develop physicians’ clinical competence and skills. Decision makers can use them to monitor and evaluate physicians’ performance. A high-quality consultation can be useful in social prescribing that helps patients to manage their disease.
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 | 0,010 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».