Innovative family history application-Provider’s perspectives
Notice bibliographique
Résumé
Context: A complete and up-to-date family history (FH) is imperative in primary care (PC). The identification of high-risk individuals may enable appropriate follow-up including genetic testing, personalized screening and management. Complete FH is rarely documented in the electronic medical record (EMR). Objective: To explore family physicians’ (FP) experiences and perceptions of an innovative EMR-integrated strategy to collect FH. Study design and analysis: Qualitative study involving telephone interviews with FPs. Thematic analysis was used for identifying, analyzing and reporting patterns. Three researchers independently performed line-by-line open coding of interview transcripts then met to discuss codes. An iterative process was used, meeting frequently to modify the interview and coding guide as new themes emerged. A coding framework was used to analyze the remaining transcripts. Major themes were identified until saturation was reached. An inductive approach to data analysis using the constant comparative method was used. Setting: Randomly selected PC team practices affiliated with University of Toronto Practice-Based Research Network in Ontario, Canada. Population studied: Eligible FPs from 3 intervention sites. Intervention: Emailed patient invitation to complete validated FH questionnaire, automatic EMR upload, FP notification and links to clinical support tools. Outcome measures: FPs’ experiences and perceptions of the strategy. Results: 15/20 FPs were interviewed. Average age was 48y, 71% identified as female, 43% practiced for less than 10 years and there was a range in practice type; community (7%), academic (57%), combined (36%). Six major themes were identified: FH provides important information about hereditary risk, permitting tailored patient management; The intervention was a new way to opportunistically collect FH by leveraging technology; It facilitated meaningful discussions with patients, contributing to perceived good patient care; It increased awareness and knowledge regarding management; Comprehensive review disclosed new information which led to clinically relevant management changes; Strategies are needed to increase acceptability. Conclusion: FPs expressed the importance of routine FH collection and its implications for clinical management. Factors contributing to the intervention’s success included being patient-initiated and seamless EMR integration. The intervention needs tailoring to different contexts.
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 | 0,018 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,006 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».