The Frequency and Content of Discussions About Alcohol Use in Primary Care and Application of the Chief Medical Officer’s Low-Risk Drinking Guidelines: A Cross-Sectional Survey of General Practitioners and Practice Nurses in the UK
Notice bibliographique
Résumé
AIMS: To examine how often general practitioners (GPs) and practice nurses (PNs) working in primary care discuss alcohol with patients, what factors prompt discussions, how they approach patient discussions and whether the Chief Medical Officers' (CMO) revised low-risk drinking guidelines are appropriately advised. METHODS: Cross-sectional survey with GPs and PNs working in primary care in the UK, conducted January-March 2017 (n = 2020). A vignette exercise examined what factors would prompt a discussion about alcohol, whether they would discuss before or after a patient reported exceeded the revised CMO guidelines (14 units per week) and whether the CMO drinking guidelines were appropriately advised. For all patients, participants were asked how often they discussed alcohol and how they approached the discussion (e.g. used screening tool). RESULTS: The most common prompts to discuss alcohol in the vignette exercise were physical cues (44.7% of participants) or alcohol-related symptoms (23.8%). Most practitioners (70.1%) said they would wait until a patient was exceeding CMO guidelines before instigating discussion. Two-fifths (38.1%) appropriately advised the CMO guidelines in the vignette exercise, with PNs less likely to do so than GPs (odds ratio [OR] = 0.77, P = 0.03). Less than half (44.7%) reportedly asked about alcohol always/often with all patients, with PNs more likely to ask always/often than GPs (OR = 2.22, P < 0.001). Almost three-quarters said they would enquire by asking about units (70.3%), compared to using screening tools. CONCLUSION: Further research is required to identify mechanisms to increase the frequency of discussions about alcohol and appropriate recommendation of the CMO drinking guidelines to patients.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».