Use of health parameter trends to communicate pet health information in companion animal practice: A mixed methods analysis
Notice bibliographique
Résumé
BACKGROUND: Reviewing patient health parameter trends can strengthen veterinarian-client-patient relationships. The objective of this study is to identify characteristics associated with veterinarians' communication of health parameter trends to companion animal clients. METHODS: Using a sequential exploratory mixed methods design, independent pet owner (n = 27) and veterinarian (n = 24) focus groups were conducted and analysed via content analysis to assess perceptions of how health parameter trends are communicated by veterinarians. Subsequently, a quantitative assessment of video recorded veterinary appointments (n = 917) compared characteristics identified in focus groups with health parameter trend discussions in practice. A mixed logistic model was used to assess characteristics associated with the occurrence of weight trend discussions. RESULTS: Fifteen characteristics relating to veterinarians' use of health parameter trends were identified across focus groups. Veterinarians discussed 77 health parameter trends in relation to bodyweight (57/77), blood work (15/77) and other health parameters (5/77), within 73 (73/917) appointments. The odds of a weight trend discussion were higher if the veterinarian identified the pet as overweight or obese compared to an ideal bodyweight (odds ratio (OR) = 2.17; 95% confidence interval (CI) = 1.15-4.09; p = 0.016). CONCLUSION: Mention of a health parameter trend was uncommon and rarely included use of visual aids. Health parameter trends related to bodyweight were discussed reactively, rather than proactively.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».