Facilitators and barriers to care among individuals with osteogenesis imperfecta
Notice bibliographique
Résumé
OBJECTIVES: Limited research has examined facilitators and barriers that affect patient care in osteogenesis imperfecta (OI). The present study seeks to identify (1) facilitators and (2) barriers to care as reported by medical providers and caregivers of individuals with OI, and (3) common themes between both stakeholder groups. METHODS: Semi-structured interviews were conducted to assess treatment access, treatment quality, knowledge of OI, and patient mental health. Transcripts were coded, and salient themes were abstracted using thematic analysis to find themes related to barriers and facilitators to care. Theme frequencies were calculated to identify the greatest barriers and facilitators to care, according to clinicians and caregivers. RESULTS: Four primary themes emerged: (1) access; (2) multidisciplinary care; (3) patient- provider interactions; and (4) outside resources. Perceived barriers included: insurance status, location, COVID-related restrictions, lack of mental healthcare and pain management, stigma, dismissive attitudes, not understanding patients' pain, and limited resources. Perceived facilitators included telemedicine, integration of mental healthcare, compassion, openness to patients' self-management, and online resources/scientific literature. CONCLUSION: There are many factors that affect OI management. Clinicians, caregivers, and patients should collaborate to improve the quality of health care that people with OI receive.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».