Los puntos clave no están disponibles para este artículo en este momento.
OBJETIVOS: Investigar la fiabilidad inicial de la Escala Global de Evaluación de Consultas (GCRS: un instrumento para evaluar la efectividad de la comunicación a lo largo de toda una consulta médico-paciente, basado en la guía Calgary-Cambridge para la entrevista médica), en consultas simuladas de pacientes. DISEÑO: Evaluaciones múltiples de consultas simuladas de médico de atención primaria (GP)-paciente realizadas por evaluadores de GP entrenados. CONTEXTO: Atención primaria en el Reino Unido. PARTICIPANTES: 21 GP y seis evaluadores de GP entrenados. MEDIDAS DE RESULTADO: Puntaje GCRS. MÉTODOS: 6 evaluadores de GP utilizaron la GCRS para evaluar grabaciones de video asignadas al azar de consultas de GP con pacientes simulados. Cada una de las 42 consultas fue evaluada independientemente por cuatro evaluadores. Consideramos si una diferencia fija entre los puntajes tenía el mismo significado en todos los niveles de rendimiento. Luego examinamos la fiabilidad de la GCRS utilizando modelos de regresión lineal mixta. Aumentamos nuestro modelo de regresión para examinar también si había sesgos sistemáticos entre los puntajes dados por diferentes evaluadores y para buscar posibles efectos de orden. RESULTADOS: Evaluando la calidad de la comunicación de consultas individuales, la GCRS logró una fiabilidad de 0.73 (IC 95% 0.44 a 0.79) para dos evaluadores, 0.80 (0.54 a 0.85) para tres y 0.85 (0.61 a 0.88) para cuatro. Encontramos una diferencia promedio de 1.65 (en una escala de 0-10) en los puntajes dados por los evaluadores menos y más generosos: ajustar este sesgo del evaluador aumentó la fiabilidad a 0.78 (0.53 a 0.83) para dos evaluadores; 0.85 (0.63 a 0.88) para tres y 0.88 (0.69 a 0.91) para cuatro. Hubo efectos de orden considerables, con consultas posteriores (después de 15-20 evaluaciones) recibiendo, en promedio, puntajes más de un punto más altos en una escala de 0-10. CONCLUSIONES: La GCRS muestra buena fiabilidad con tres evaluadores evaluando cada consulta. Actualmente estamos desarrollando la escala más a fondo al evaluar una muestra grande de consultas en el mundo real.
Burt et al. (Sat,) estudiaron esta cuestión.