Palliative Medicine and Decision Science: The Critical Need for a Shared Agenda To Foster Informed Patient Choice in Serious Illness
Notice bibliographique
Résumé
Assisting patients and their families in complex decision making is a foundational skill in palliative care; however, palliative care clinicians and scientists have just begun to establish an evidence base for best practice in assisting patients and families in complex decision making. Decision scientists aim to understand and clarify the concepts and techniques of shared decision making (SDM), decision support, and informed patient choice in order to ensure that patient and family perspectives shape their health care experience. Patients with serious illness and their families are faced with myriad complex decisions over the course of illness and as death approaches. If patients lose capacity, then surrogate decision makers are cast into the decision-making role. The fields of palliative care and decision science have grown in parallel. There is much to be gained in advancing the practices of complex decision making in serious illness through increased collaboration. The purpose of this article is to use a case study to highlight the broad range of difficult decisions, issues, and opportunities imposed by a life-limiting illness in order to illustrate how collaboration and a joint research agenda between palliative care and decision science researchers, theorists, and clinicians might guide best practices for patients and their families.
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 | 0,230 | 0,215 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,022 | 0,151 |
| Communication savante | 0,039 | 0,045 |
| Science ouverte | 0,006 | 0,041 |
| Intégrité de la recherche | 0,032 | 0,054 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».