Training Physicians in Motivational Communication to Address Influenza Vaccine Hesitation: A Proof-of-Concept Study
Notice bibliographique
Résumé
BACKGROUND: Strategies to support health care professionals on how to address vaccine hesitancy are needed. METHODS: We developed a 4-h Motivational Communication (MC) training program tailored to help physicians address hesitancy related to influenza vaccination among patients living with rheumatoid arthritis. Five MC competencies were evaluated at baseline and post-training with a standardized patient using the Motivational Interviewing Treatment Integrity [MITI] scale. Adherence to MC during clinical consultations and changes in vaccine intentions was measured as secondary outcomes. RESULTS: Seven rheumatology physicians participated in the training. MITI scores increased in all participants, and 71% (n = 5) achieved thresholds of clinical competency (i.e., ≥3.5/5 at MITI global score and ≥3/5 on at least 3 individual competency score) post-training. Autonomy/support and empathy competencies reached competency thresholds (+2.4 ± 1.3 to +4.1 ± 0.7 and +2.1 ± 0.7 to +4.1 ± 0.7, respectively). Evocation and collaboration competencies improved but without reaching competency thresholds (+1.4 ± 0.8 to +3.1 ± 1.1; +1.4 ± 0.8 to +2.9 ± 1.1, respectively). Direction did not improve. Among 21 patient consultations post-training, 15 (71%) were MC-consistent. Of the 15 patients, 67% (10/15) intended to receive the influenza vaccine and 33% (5/15) received it. CONCLUSION: A brief MC training program targeting vaccine hesitancy increased MC competency among rheumatology physicians and promoted behavioral change among patients.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».