Understanding determinants of patients’ decisions to attend their family physician and to take antibiotics for upper respiratory tract infections: a qualitative descriptive study
Notice bibliographique
Résumé
BACKGROUND: Although antibiotics have little or no benefit for most upper respiratory tract infections (URTIs), they continue to be prescribed frequently in primary care. Physicians perceive that patients' expectations influence their antibiotic prescribing practice; however, not all patients seek antibiotic treatment despite having similar symptoms. In this study, we explored patients' views about URTIs, and the ways patients manage them (including attendance in primary care and taking antibiotics). METHODS: Using a qualitative descriptive design, adult English-speaking individuals at a Canadian health center were recruited through convenient sampling. The participants were interviewed using semi-structured interview guide based on the Common Sense-Self-Regulation Model (CS-SRM). The interviews were transcribed verbatim and coded according to CS-SRM dimensions (illness representations, coping strategies). Sampling continued until thematic saturation was achieved. Thematic analysis related to the dimensions of CS-SRM was applied. RESULTS: Generally, participants had accurate perception about the symptoms of URTIs, as well as how to prevent and manage them. However, some participants revealed misconceptions about the causes of URTIs. Almost all participants mentioned that they only visited their doctor if their symptoms got progressively worse and they could no longer self-manage the symptoms. When visiting a doctor, most participants reported that they did not seek antibiotics. They expected to receive an examination and an explanation for their symptoms. CONCLUSION: Our participants reported good understanding regarding the likely lack of benefit from antibiotics for URTIs. Developing interventions that specifically help patients discuss their concerns with their physicians, instead of providing more education to public may help in reducing the use of unnecessary antibiotics.
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 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».