Exploring patient views of empathic optimistic communication for osteoarthritis in primary care: a qualitative interview study using vignettes
Notice bibliographique
Résumé
BACKGROUND: Osteoarthritis (OA) causes pain and disability. An empathic optimistic consultation approach can improve patient quality of life, satisfaction with care, and reduce pain. However, expressing empathic optimism may be overlooked in busy primary care consultations and there is limited understanding of patients' views about this approach. AIM: To explore patients' perspectives on clinician communication of empathy and optimism in primary care OA consultations. DESIGN & SETTING: = 33) aged >45 years with hip or knee OA from GP practices in Wessex (Hampshire, Dorest, Wiltshire, and Somerset). METHOD: Fifteen participants watched two filmed OA consultations with a GP, and 18 participants read two case vignettes. In both formats, one GP depicted an empathic optimistic approach and one GP had a 'neutral' approach. Semi-structured interviews were conducted with all participants and analysed using thematic analysis. RESULTS: Patients recognised that empathic communication enhanced interactions, helping to engender a sense of trust in their clinician. They felt it was acceptable for GPs to convey optimism only if it was realistic, personalised, and embedded within an empathic consultation. Discussing patients' experiences and views with them, and conveying an accurate understanding of these experiences improves the credibility of optimistic messages. CONCLUSION: Patients value communication with empathy and optimism, but it requires a fine balance to ensure messages remain realistic and trustworthy. Increased use of a realistic optimistic approach within an empathic consultation could enhance consultations for OA and other chronic conditions, and improve patient outcomes. Digital training to help GPs implement these findings is being developed.
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 | 0,015 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».