P4–171: Targeting general practitioners in postal survey research on Alzheimer's disease
Notice bibliographique
Résumé
Postal surveys are a useful tool for obtaining information from physicians on the treatment of Alzheimer's disease. To minimize non–response and reduce the time and cost of survey administration, it is important to target physicians who are most likely to treat Alzheimer's disease. Identifying such physicians can pose a particular problem in the case of general practitioners, who treat a wide scope of patients and illnesses. To investigate whether general practitioners who attended continuing medical education courses on geriatrics and the elderly were more likely to respond to a postal survey on drug treatments for Alzheimer's disease than general practitioners who were randomly selected from a master list of physicians. The postal survey was sent to 486 general practitioners in Québec, Canada: 192 were identified a priori as having attended continuing medical education courses on geriatrics and the elderly, while the remaining 294 were randomly selected from the entire pool of Québec general practitioners (n = 7,923) who did not attend the courses. A multiple logistic regression analysis was undertaken to examine whether course attendance was associated with responding to the survey. The analysis was adjusted for three covariates that had data available for all 486 general practitioners: sex, practice location (urban/rural), and language (English/French). General practitioners who attended the continuing medical education courses were more likely to respond to the survey than general practitioners who were selected randomly (response rates = 39% and 18%, respectively [p < 0.0001]). The adjusted odds ratio for responding, after having attended the courses versus being randomly selected, was 2.80 (95% confidence interval = 1.82 to 4.31). To increase response rates among general practitioners, researchers who use postal surveys in Alzheimer's disease research should target general practitioners who have attended continuing medical education courses on geriatrics and the elderly.
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 | 0,014 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,004 |
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 ».