MétaCan
Menu
Retour à la cohorte
Enregistrement W2166719252 · doi:10.1186/1546-0096-11-34

Understanding treatment decision making in juvenile idiopathic arthritis: a qualitative assessment

2013· article· en· W2166719252 sur OpenAlexfundno aff
Ellen A. Lipstein, William B. Brinkman, Jessica Sage, Carole Lannon, Esi Morgan DeWitt

Notice bibliographique

RevuePediatric Rheumatology · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAdolescent and Pediatric Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Chicago MedicinePennsylvania State UniversityNational Institute of Mental HealthUniversity of South CarolinaNationwide Children's HospitalAgency for Healthcare Research and QualityCincinnati Children's Hospital Medical CenterHospital for Sick ChildrenUniversity of Pennsylvania
Mots-clésMedicineSnowball samplingNonprobability samplingQualitative researchPsychological interventionDecision aidsAnxietyFamily medicineMedical educationAlternative medicineNursingPsychiatryPopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The increase in therapeutic options for juvenile idiopathic arthritis (JIA) has added complexity to treatment decisions. Shared decision making has the potential to help providers and families work together to choose the best possible option for each patient from the array of choices. As part of a needs assessment, prior to design and implementation of shared decision making interventions, we conducted a qualitative assessment of clinicians' current approaches to treatment decision making in JIA. METHODS: Pediatric rheumatology clinicians were recruited from 2 academic children's hospitals affiliated with a quality improvement learning network, using purposive and snowball sampling. Semi-structured interviews elicited how clinicians with prescribing authority (n = 10) interact with families to make treatment decisions. Interviews were audio-recorded and transcribed verbatim. A multi-disciplinary research team used content analysis to analyze the interview data.To validate data from individual interviews and enrich our understanding, we presented the interview results to pediatric rheumatology clinicians attending a learning network meeting (n = 24 from 12 children's hospitals). We then asked the clinicians questions to further identify and discuss areas of variation in the decision-making processes. RESULTS: Clinicians described a decision-making process in which they, rather than the family or other care team members, consistently initiated treatment decisions. Initial treatment options presented to families generally reflected the clinician's preferred treatment approaches, which differed across clinicians. Clinicians used various methods to inform families about treatment options and tailor information according to perceptions of a family's information needs, level of comprehension or mood (e.g. anxiety). The attributes of medication presented to families fell into 4 categories: benefits, risks, logistics and family preferences. Clinicians typically included family members in the decision to initiate JIA treatment after limiting the options to fit the clinical situation and the clinician's own preferences. Family members' preferences were seen as more integral in the decision to stop treatment after symptom remission. CONCLUSIONS: Decision making about initial JIA treatment appears to be largely driven by clinician preferences. Family preferences are more likely to be considered for treatment discontinuation. Opportunities exist to develop, test, and implement tools to facilitate shared decision making in pediatric rheumatology.

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)0,037
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,198

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,042
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0110,011
Communication savante0,0050,004
Science ouverte0,0020,008
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,179
Tête enseignante GPT0,476
Écart entre enseignants0,297 · 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'étudeQualitatif
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

Citations34
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePediatric RheumatologyMême sujetAdolescent and Pediatric HealthcareTravaux en français237 207