Assessing the conceptual clarity and evidence base of quality criteria/standards developed for evaluating decision aids
Notice bibliographique
Résumé
CONTEXT: Promoting patient participation in treatment decision making is of increasing interest to researchers, clinicians and policy makers. Decision aids (DAs) are advocated as one way to help achieve this goal. Despite their proliferation, there has been little agreement on criteria or standards for evaluating these tools. To fill this gap, an international collaboration of researchers and others interested in the development, content and quality of DAs have worked over the past several years to develop a checklist and, based on this checklist, an instrument for determining whether any given DA meets a defined set of quality criteria. OBJECTIVE/METHODS: In this paper, we offer a framework for assessing the conceptual clarity and evidence base used to support the development of quality criteria/standards for evaluating DAs. We then apply this framework to assess the conceptual clarity and evidence base underlying the International Patient Decision Aids Standards (IPDAS) checklist criteria for one of the checklist domains: how best to present in DAs probability information to patients on treatment benefits and risks. CONCLUSION: We found that some of the central concepts underlying the presenting probabilities domain were not defined. We also found gaps in the empirical evidence and theoretical support for this domain and criteria within this domain. Finally, we offer suggestions for steps that should be undertaken for further development and refinement of quality standards for DAs in the future.
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 | 0,722 | 0,832 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,045 | 0,020 |
| Études des sciences et des technologies | 0,007 | 0,022 |
| Communication savante | 0,025 | 0,014 |
| Science ouverte | 0,011 | 0,014 |
| Intégrité de la recherche | 0,009 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».