A visual approach to providing prognostic information to parents of children with retinoblastoma
Notice bibliographique
Résumé
OBJECTIVE: Parents must rapidly assimilate complex information when a child is diagnosed with cancer. Education correlates with the ability to process and use medical information. Graphic tools aid reasoning and communicate complex ideas with precision and efficiency. METHODS: We developed a graphic tool, DePICT (Disease-specific electronic Patient Illustrated Clinical Timeline), to visually display entire retinoblastoma treatment courses from real-time clinical data. We report retrospective evaluation of the effectiveness of DePICT to communicate risk and complexity of treatment to parents. We assembled DePICT graphics from multiple children on cards representing each stage of intraocular retinoblastoma. Forty-four parents completed a 14-item questionnaire to evaluate the understanding of retinoblastoma treatment and outcomes acquired from DePICT. RESULTS: As a proposed tool for informed consent, DePICT effectively communicated knowledge of complex medical treatment and risks, regardless of the education level. We identified multiple potential factors affecting parent comprehension of treatment complexity and risk. These include language proficiency (p=0.005) and age-related experience, as younger parents had higher education (p=0.021) but lower comprehension scores (p=0.011), regardless of first language. CONCLUSION: Provision of information at diagnosis concerning long-term treatment complexity helps parents of children with cancer. DePICT effectively transfers knowledge of treatments, risks, and prognosis in a manner that offsets parental educational disadvantages.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».