“Those risks, that preventative work, that is the bedrock of family medicine”: A foucauldian discourse analysis of communicating risk for type 2 diabetes among primary care providers
Notice bibliographique
Résumé
With estimates suggesting 350 million individuals are at-risk for type 2 diabetes (T2D), there is an urgent need to critically understand the processes of risk communication with primary care providers. Prior research has shown that primary care is the most likely place where initial conversations with a patients about T2D risk occur, but there remains a paucity of research exploring what may govern this communication. The purpose of this study was to critically explore discourses of risk for preventing T2D from the perspective of primary care providers. Semi-structured interviews (n = 14) were conducted with primary care providers including family physicians (n = 4), medical residents (n = 2), nurses (n = 3), dietitians (n = 4), and a pharmacist (n = 1) working in family health team (FHT) clinics in Southwestern, Ontario, Canada. Foucauldian Discourse Analysis through thematic analysis was applied to analyze the data and generate themes detailing how provider communications about risk for T2D are governed through discourse. Themes included: (1) patient-centred practice; (2) diagnosing prediabetes; (3) contextualizing symptoms; (4) time contingent; (5) adapting to patient knowledge; (6) carefully discussing weight; and (7) age as a balancing act. Overall, providers note using discourses of patient-centred practice to guide approaches to communicating about risk for T2D to patients. There are tensions with fulfilling this ideal patient-centred approach from more powerful discourses of prediabetes, assumptions about patient knowledge, and age that may override the ability to be patient-centred with communications about risk for T2D.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».