Addressing alcohol use among blood pressure patients in Thai primary care: Lessons from a survey-based stakeholder consultation
Notice bibliographique
Résumé
Alcohol use is a major risk factor for noncommunicable diseases in Thailand, and one of its pathways is high blood pressure. Given that brief intervention can effectively reduce hazardous alcohol consumption, this study aimed to investigate how hypertensive patients with concomitant alcohol use are identified and treated in Thai primary care settings and what this may mean for screening and lifestyle intervention strategies. In a cross-sectional, mixed-method design, we surveyed 91 participants from three different groups of Thai stakeholders: policy- and decisionmakers; healthcare practitioners; and patients diagnosed with hypertension. Data was collected between December 2020 and May 2021. Responses were analyzed descriptively and using open coding tools to identify current practices, barriers, facilitators, and implications for interventions. All stakeholder groups regarded alcohol use as an important driver of hypertension. While lifestyle interventions among hypertensive patients were perceived as beneficial, current lifestyle support was limited. Barriers included limited resources in primary healthcare facilities, lack of continuous monitoring or follow-up, missing tools or procedures for risk assessment and lifestyle intervention, and stigmatization of alcohol use. Our results suggest that although screening for lifestyle risk factors (including alcohol use) and lifestyle interventions are not yet sufficiently established, a wide range of stakeholders still recognize the potential of interventions targeted at hazardous alcohol use among hypertensive patients. Future interventions may establish standardized assessment tools, be tailored to high-risk groups, and include electronic or remote elements.
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 | 0,001 |
| 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 ».