Veterinarians’ use of the Talking Physical Exam as a communication tool
Notice bibliographique
Résumé
OBJECTIVE: To describe veterinarians' communication of the companion animal physical exam (CAPE) to veterinary clients and to identify factors associated with the number of physical exam components communicated by veterinarians to clients. SAMPLE: 376 video-recorded veterinarian-client-patient interactions, involving 60 veterinarians. PROCEDURES: 18 CAPE components were studied in relation to veterinarians' use of 7 communication-related parameters. A mixed linear regression model was used to assess veterinarian, patient, and appointment factors associated with the number of components conveyed by a veterinarian. RESULTS: Veterinarians conveyed 1,566 of 2,794 (56.1%) of the components that they examined to clients, as having been examined. Of those components that were examined and conveyed by veterinarians, the impact of the finding was communicated for 496 of 1,566 (31.7%) of the components. Visual aids and take-home literature were each used in relation to an examined component during 15 of the 376 interactions (4%). A significant association was found between number of CAPE components conveyed and gender of the veterinarian (females conveyed 1.31 more), as well as the type of appointment (2.57 more were conveyed in wellness appointments and 1.37 more in problem appointments, compared to rechecks). CLINICAL RELEVANCE: Findings identify an opportunity for veterinarians to further emphasize components of the CAPE, which may in turn increase clients' perceived value of the CAPE due to understanding the benefits for their pet. This may be accomplished with the Talking Physical Exam, in which veterinarians discuss CAPE components findings with clients in real time, and the relevance of the findings to the patient's health.
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 | 0,003 | 0,005 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».