Electronic communication between family physicians and patients
Notice bibliographique
Résumé
OBJECTIVE: To assess the proportion of academic family physicians using e-mail with patients and to explore related attitudes, barriers, and facilitators. DESIGN: A 47-item questionnaire was created after a literature review, discussions with study team members, pretesting, and pilot testing. The questionnaire was disseminated electronically from June to August 2017. SETTING: Ontario. PARTICIPANTS: All family physicians affiliated with the Department of Family and Community Medicine at the University of Toronto. MAIN OUTCOME MEASURES: Physician practices using e-mail (including barriers to and facilitators of e-mail use with patients), use of e-mail with other health care providers, use of communication technologies other than e-mail, and demographic and practice information. RESULTS: A total of 1553 surveys were disseminated and 865 responses received (56% response rate). Overall, 610 respondents met inclusion criteria. Of these respondents, 43% (265 of 610) personally sent e-mails to patients in a typical week. An additional 21% (126 of 610) reported that they did not personally e-mail patients, but their clinic staff did. Patient convenience and a decrease in the need for telephone communication were the most commonly noted reasons for e-mail use. Facilitators of e-mail use included integration with the electronic medical record, enhanced e-mail access control, security features, and financial compensation. Barriers to e-mail use included privacy and security concerns, concerns about inappropriate e-mail use by patients, and the creation of unrealistic expectations about physician availability. CONCLUSION: E-mail use between academic family physicians and patients was found to be much higher than shown in previous studies of Canadian physicians. This finding might have been owing to unique aspects of academic medicine, remuneration via capitation, or other factors. Efforts to increase physician use of e-mail with patients should address concerns related to privacy and security, electronic medical record integration, and financial compensation.
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 | 0,006 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».