How to get the most out of the fit note
Notice bibliographique
Résumé
PURPOSE We report on the effectiveness of the Ottawa Model for Smoking Cessation (OMSC), a multicomponent knowledge translation intervention, in increasing the rate at which primary care providers delivered smoking cessation interventions using the 3 A’s model—Ask, Advise, and Act, and examine clinic-, provider-and patient-level determinants of 3 A’s delivery. METHODS We examined the effect of the knowledge translation intervention in 32 primary care practices in Ontario, Canada, by assessing a cross-sectional sample of patients before the implementation of the OMSC and a second cross-sectional sample following implementation. We used 3-level modeling (clinic, clinician, patient) to examine the main effects and predictors of 3 A’s delivery. RESULTS Four hundred eighty-one primary care clinicians and more than 3,500 tobacco users contributed data to the evaluation. Rates of delivery of the 3 A’s increased significantly following program implementation (Ask: 55.3% vs 71.3%, P <.001; Advise: 45.5% vs 63.6%, P <.001; Act: 35.4% vs 54.4%, P <.001). The adjusted odds ratios (AOR) for the delivery of 3 A’s between the pre- and post-assessments were AOR = 1.94; (95% CI, 1.61–2.34) for Ask, AOR = 1.92; (95% CI, 1.60–2.29) for Advise, and AOR = 2.03; (95% CI, 1.71–2.42) for Act. The quality of program implementation and the reason for clinic visit were associated with increased rates of 3 A’s delivery. CONCLUSIONS Implementation of the OMSC was associated with increased rates of smoking cessation treatment delivery. High quality implementation of the OMSC program was associated with increased rates of 3 A’s delivery.
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 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,228 | 0,124 |
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 ».