Decision makers' perceptions of integrating genetic counselors into primary care
Notice bibliographique
Résumé
BACKGROUND: Over the past decade, there have been rapid advancements in genomic medicine that have improved the clinical utility of genetic testing and counseling. Although theoretically, primary care is an ideal locations for the delivery of genomic medicine, physicians lack training, confidence, and time to implement these services. Though it has been suggested that genetic counselors could be integrated into the primary care setting to fill this gap in care, such integration has not yet been widely implemented. Decision makers' perceptions are foundational in the implementation of this model, but have yet to be explored. METHODS: We conducted a qualitative interview-based study with individuals holding key administrative roles in primary care systems to elicit opinions on a model of care that integrates genetic counselors into primary care. Interviews were analyzed using interpretive description involving thematic coding and iterative discussions among the research team to develop a comprehensive conceptual model. RESULTS: Barriers included team integration difficulties, a perceived lack of buy-in at the institutional, physician, and patient levels, and a lack of resources. Participants felt that integrating genetics into primary care is most feasible when one genetic counselor is contracted as a resource to multiple different clinics and is able to provide remote or hybrid care. CONCLUSION: Despite the growing evidence supporting the integration of genetic counselors into primary care settings, decision makers have concerns about how this integration will occur, and feel that more buy in is needed from patients, providers, and administration to make this model of care a reality.
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 | 0,001 |
| 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 ».