MétaCan
Menu
Retour à la cohorte
Enregistrement W2106156667 · doi:10.1046/j.1537-2995.2003.00401.x

Differences in the perception of blood transfusion risk between laypeople and physicians

2003· article· en· W2106156667 sur OpenAlexaffabout
D.H. Lee, Minesh P. Mehta, Paula D. James

Notice bibliographique

RevueTransfusion · 2003
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensUniversity of SaskatchewanQueen's University
Organismes subventionnairesnon disponible
Mots-clésMedicineRisk perceptionBlood transfusionPerceptionFamily medicineRisk assessmentPsychologySurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is little objective evidence to support the commonly held belief that laypeople perceive blood transfusion risk differently from physicians. Acknowledging and characterizing such differences may improve risk communication. The objective of this study was to characterize how laypeople and physicians perceive the risks of blood transfusion in comparison with a wide variety of other hazards. STUDY DESIGN AND METHODS: A total of 161 laypeople and 91 physicians and medical trainees were surveyed in Kingston, Ontario, between March and August 2000. The perceived riskiness and other qualitative characteristics of blood transfusion and 9 other hazards were measured by psychometric scaling and principal components analysis. RESULTS: The overall return rate was 100 percent, with 86 percent of surveys having no missing responses. Physicians perceived the risks of blood transfusion and most other hazards to be less dreaded and severe, but also less understood and controllable than laypeople. CONCLUSION: Laypeople and physicians perceive risk differently for blood transfusion, but this perceptual gap between the groups for blood transfusion may be representative of a more generalized phenomenon that spans different types of hazards, both medical and nonmedical. Awareness of such differences may facilitate risk communication and shared decision making between physicians and their patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,364
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransfusionMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207