Physician Communication in Injectable Opioid Agonist Treatment: Collecting Patient Ratings With the Communication Assessment Tool
Notice bibliographique
Résumé
OBJECTIVE: Patient ratings of physician communication in the setting of daily injectable opioid agonist treatment are reported. Associations between communication items and demographic, health, drug use, and treatment characteristics are explored. METHODS: Participants (n = 121) were patients receiving treatment for opioid use disorder with hydromorphone (an opioid analgesic) or diacetylmorphine (medical grade heroin). Ratings of physician communication were collected using the 14-item Communication Assessment Tool. Items were dichotomized and associations were explored using univariate and multivariable logistic regression models for each of the 14 items. RESULTS: Ratings of physician communication were lower than reported in other populations. In nearly all of the 14 multivariable models, participants with more physical health problems and with lower scores for treatment drug liking had lower odds of rating physician communication as excellent. CONCLUSIONS: In physician interactions with patients with opioid use disorder, there is a critical need to address comorbid physical health problems and account for patient medication preferences. PRACTICE IMPLICATIONS: Findings reinforce the role physicians can play in communicating with patients about their comorbid conditions and about medication preferences. In the patient-physician interaction efforts to meet patients' evolving treatment needs and preferences can be made by offering patients access to all available evidence-based treatments.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».