Healthcare Providers Face Numerous Challenges in Treating Patients with Psoriasis: Results from a Mixed-Methods Study
Notice bibliographique
Résumé
Background: The paradigm shift toward biologic medications in psoriasis care requires healthcare providers (HCPs) to become acquainted with mechanisms of action and safety profiles of these new treatments to confidently use them in practice. A better understanding of this paradigm shift is necessary to provide adequate education for HCPs in psoriasis care. Objectives: This study assessed clinical practice gaps and challenges experienced by HCPs caring for patients with psoriasis. Methods: A mixed-methods approach was used to identify practice gaps and clinical challenges of dermatologists, rheumatologists, primary care physicians, physician assistants, and nurse practitioners with various levels of clinical experience in academic and community-based settings. Qualitative and quantitative data were collected sequentially. Interviews were transcribed and thematically analyzed. Results: A total of 380 psoriasis care providers in Canada and the US participated in this study. Analysis revealed challenges in establishing an accurate diagnosis of psoriasis (including screening for sub-type and distinguishing psoriasis from other skin conditions), selecting treatment (particularly regarding recently approved treatments), monitoring side effects, and collaborating with other HCPs involved in psoriasis care. Conclusion: These findings highlight educational needs of HCPs involved in psoriasis care that could have repercussions on accurate and timely diagnosis of the condition, treatment initiation, side effect monitoring, and continuity of care. Findings provide a starting point for clinicians to reflect on their practice and for the improvement of continuing professional development interventions that would bridge these gaps.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».