Twelve myths about shared decision making
Notice bibliographique
Résumé
OBJECTIVE: As shared decision makes increasing headway in healthcare policy, it is under more scrutiny. We sought to identify and dispel the most prevalent myths about shared decision making. METHODS: In 20 years in the shared decision making field one of the author has repeatedly heard mention of the same barriers to scaling up shared decision making across the healthcare spectrum. We conducted a selective literature review relating to shared decision making to further investigate these commonly perceived barriers and to seek evidence supporting their existence or not. RESULTS: Beliefs about barriers to scaling up shared decision making represent a wide range of historical, cultural, financial and scientific concerns. We found little evidence to support twelve of the most common beliefs about barriers to scaling up shared decision making, and indeed found evidence to the contrary. CONCLUSION: Our selective review of the literature suggests that twelve of the most commonly perceived barriers to scaling up shared decision making across the healthcare spectrum should be termed myths as they can be dispelled by evidence. PRACTICE IMPLICATIONS: Our review confirms that the current debate about shared decision making must not deter policy makers and clinicians from pursuing its scaling up across the healthcare continuum.
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 | 0,122 | 0,142 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,067 |
| Communication savante | 0,013 | 0,023 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,008 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».