English general practice in a period of change: a mixed-methods study of staff and patient perspectives
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic prompted widespread use of remote (telephone and online) communication in general practice in England, which exacerbated long-term pressures from staffing shortages. The public perceived problems with access. AIM: To explore patient and staff perspectives on changing processes in general practice. DESIGN & SETTING: A mixed-methods study (patient survey and staff focus groups) in a sample of 22 general practices in England, varied by size, region, deprivation, and demography, was conducted in 2022. METHOD: An online survey was delivered by short message service (SMS) text to adult patients at 21 practices. Data from answers to an open-ended question about patients' experiences were analysed using summative content and thematic analysis. Virtual focus groups conducted with four categories of staff (GPs, nurses, receptionists and administrators, and practice managers) covered teamworking, roles, patient interactions, adapting to change, and workload. Data were transcribed and analysed using framework and thematic methods. Themes common to patients and staff were identified. RESULTS: Overall median survey response was 10.9% (interquartile range 9.7%-14.6%); 14 401 patient responders provided 10 348 comments, 51.2% were positive. Patient and staff perspectives overlapped in two areas. The first, 'contact and communication', encapsulated differing views around access. The second, 'non-clinical roles and patient care', concerned the allocation of appointments and the roles of receptionists. Patients reported barriers to getting timely appointments with their chosen professional while staff were seeking ways to manage the volume of communications. Use of non-clinical staff to triage appointment requests was unpopular with patients and receptionists felt clinically unqualified. CONCLUSION: Effective methods are needed to improve patient communication with practices and access. Receptionists require recognition and training for their pivotal role.
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 | 0,017 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 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 ».