Experiences of patients with a disability in receiving primary health care
Notice bibliographique
Résumé
OBJECTIVE: To use patient-guided tours to gain insight into the experiences of patients with disabilities receiving primary care, with the goal of suggesting improvements. DESIGN: A qualitative experience-based design study, using patient-guided tours. SETTING: Multidisciplinary academic urban primary care practice. PARTICIPANTS: Patients with disabilities identified by their health care providers. METHODS: Patients walked through the clinic as they would on a "typical visit" describing their feelings and experiences. The investigator used a semistructured interview guide to prompt the patient. The tour was audiorecorded and transcribed. Thematic content analysis was used. MAIN FINDINGS: Participants included 18 patients with various disabilities (physical disability, sensory disability, chronic illness, mental illness, learning disability, developmental disability). Strong positive relationships, particularly with the team and administrative staff, profoundly affected perceived access and experience of care. Multidirectional, clear, and respectful communication independently improved patients' experiences dramatically. Participants said that many access, coordination, and physical barriers were eased by team relationships and communication. Physical space and building issues were troublesome for those with physical and mental disabilities alike. Each participant's disability itself played a role in their experience but was not described as prominently as their relationship, communication, and spatial challenges. Participants described the patient-guided tour method as valuable to elicit experiences and feelings. CONCLUSION: Some health care teams are unaware of how relationships and communication affect every aspect of health care for people with disabilities. Highlighting these findings with providers and organizations might prompt a more patient-centred model of care. Our experience-based design consisting of patient-guided tours was effective in assessing how those with disabilities experienced care.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 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 ».