Surgeon views on firearm safety counseling in clinical practice: A cross-sectional survey
Notice bibliographique
Résumé
BACKGROUND: Firearms are commonplace in the United States, and one proposed strategy to decrease risk of firearm injury is to have physicians counsel their patients about safe firearm ownership. Current rates of firearm safety counseling by surgeons who care for injured people are unknown. METHODS: This study used an anonymous cross-sectional survey derived from previously published survey instruments and was piloted (n = 13) at the annual meeting of the American Association for the Surgery of Trauma (2022). The finalized survey was distributed using a quick response code during two sessions at the 2022 American College of Surgeons Clinical Congress. Eligible participants included the surgeons and surgical trainees who attended these sessions. RESULTS: One hundred fourteen individuals completed the survey (20% response rate), and a majority were male (n = 71 [62.3%]), attending surgeons (n = 108 [94.7%]), and specialized in acute care surgery (n = 72 [63.2%]). Few participants (n = 43 [37.7%]) reported counseling patients on firearm safety as part of their routine clinical practice; however, the majority (n = 102 [89.5%]) believed that surgeons should provide firearm safety counseling. Counseling rates did not vary significantly by age, sex, surgical specialty, or region of practice, but attitudes toward counseling did differ by firearm safety counseling practices ( p = 0.03) and region of practice (0.04). Noted barriers to counseling included lack of time (n = 47 [41.2%]), perceived lack of training (n = 43 [37.7%]), and lack of firearm knowledge/experience (n = 36 [31.6%]). CONCLUSION: Most surgeon respondents did not provide firearm safety counseling to their patients despite the fact the majority believed they should. This suggests that counseling interventions that do not solely rely on surgeons for implementation could increase the number of patients who receive firearm safety guidance during clinical encounters. LEVEL OF EVIDENCE: Prognostic and Epidemiological; Level III.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».