Clients prefer collaborative decision-making with veterinarians regardless of appointment type
Notice bibliographique
Résumé
OBJECTIVE: To determine clients' preferences for veterinarians' communication during decision-making in relation to 3 clinical contexts: preventive care, general problem (eg, illness or injury), and urgent appointments. METHODS: A cross-sectional online questionnaire was distributed by use of snowball sampling to veterinary clients owning a pet. Demographic information was collected, and participants were then randomly assigned to a scenario reflecting one of the following clinical contexts (appointment types): preventive, general problem, or urgent. Discrete choice exercises were used to solicit client preferences for 5 aspects of veterinarians' communication approach to decision-making with clients in clinical contexts: amount of information, presentation of plan (options or a recommendation), communication of value, nature of client involvement, and communication of financial cost. Relative-preference scores were calculated using hierarchical bayesian modeling. RESULTS: Responses for 1,614 participants were included in the final analysis. The majority were female, lived in Canada, and were financially stable. Across clinical decision-making contexts, participants preferred to collaborate with the veterinarian, be offered options with a clear recommendation, be informed of present and future costs, and have benefits of any action regarding their pet's health explained to them. For the general-problem context, participants preferred veterinarians' communication to focus solely on concerns; in contrast, in preventive care and urgent contexts, participants preferred that communication include both normal findings and concerns. CONCLUSIONS: Irrespective of clinical decision-making context, participants preferred collaborative decision-making with a veterinarian. CLINICAL RELEVANCE: Veterinary professionals should consider, when possible, communication that supports a collaborative approach to decision-making with clients.
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 | 0,008 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».