Identifying the components of clinical vignettes describing Alzheimer’s disease or other dementias: a scoping review
Notice bibliographique
Résumé
BACKGROUND: Clinical vignettes are often used to elicit information about health conditions in research studies. This review summarizes the components of clinical vignettes describing Alzheimer's disease (AD) or other dementias. The purpose is to provide recommendations for the development of standardized vignettes that may be used in future studies. METHODS: MEDLINE, EMBASE, PsycINFO, ASSIA, CINAHL were searched from their inception to June 2014. Primary English-language studies employing vignettes to describe AD or similar disorders (including other dementias and Parkinson's disease) were included in the review. Included studies had to describe the content of the vignettes in the published manuscripts. The characteristics of the included studies and the vignettes were extracted in tabular form and summarized qualitatively. RESULTS: Forty-two studies were included in the review. Twenty-four of the studies contained at least one AD vignette, 11 had vignettes focusing on non-AD dementias, and seven contained vignettes describing conditions other than dementia. In total, 58 vignettes were obtained from the 42 included studies. CONCLUSIONS: Key aspects to consider when constructing vignettes for AD or other dementias include writing the vignettes from a third-person perspective and presenting hypothetical patients as being at least 65 years of age. Researchers should develop standardized vignettes for use across studies.
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 | 0,039 | 0,162 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,026 | 0,022 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; 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 ».