Reducing gender disparities in post-total knee arthroplasty expectations through a decision aid
Notice bibliographique
Résumé
BACKGROUND: Gender disparities in total knee arthroplasty utilization may be due to differences in perceptions and expectations about total knee arthroplasty outcomes. This study evaluates the impact of a decision aid on perceptions about total knee arthroplasty and decision-making parameters among patients with knee osteoarthritis. METHODS: Patients with moderate to severe knee osteoarthritis viewed a video about knee osteoarthritis treatments options, including total knee arthroplasty, and received a personalized arthritis report. An adapted version of the Western Ontario and McMaster Universities Osteoarthritis Index was used to assess pain and physical function expectations following total knee arthroplasty before/after the intervention. These scores were compared to an age- and gender-adjusted means for a cohort of patients who had undergone total knee arthroplasty. Decision readiness and conflict were also measured. RESULTS: At baseline, both men and women had poorer expectations about post-operative pain and physical outcomes compared with observed outcomes of the comparator group. Following the intervention, women's mean age-adjusted expectations about post- total knee arthroplasty pain outcomes improved (Pre: 27.0; Post: 21.8 [p =0.08; 95% CI -0.7, 11.0]) and were closer to observed post-TKA outcomes; whereas men did not have a significant change in their pain expectations (Pre: 21.3; Post: 19.6 [p = 0.6; 95% CI -5.8, 9.4]). Women also demonstrated a significant improvement in decision readiness; whereas men did not. Both genders had less decision conflict after the intervention. CONCLUSIONS: Both women and men with osteoarthritis had poor estimates of total knee arthroplasty outcomes. Women responded to the intervention with more accurate total knee arthroplasty outcome expectations and greater decision readiness. Improving patient knowledge of total knee arthroplasty through a decision aid may improve medical decision-making and reduce gender disparities in total knee arthroplasty utilization.
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 | 0,002 | 0,008 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».