MétaCan
Menu
Retour à la cohorte
Enregistrement W2295204072 · doi:10.3399/bjgp15x687001

Ten Commandments for patient-centred treatment

2015· article· en· W2295204072 sur OpenAlexaff
Richard Lehman, Aaron M Tejani, James McCormack, Tom Perry, John Yudkin

Notice bibliographique

RevueBritish Journal of General Practice · 2015
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTen CommandmentsMedicineWorld Wide WebData scienceComputer science

Résumé

récupéré en direct d'OpenAlex

When deciding on a treatment, the first diagnosis you need to reach is about the nature of the illness. The second diagnosis you need concerns what the individual would like to achieve.1 Both are of equal importance and this is as true in simple one-off encounters as in complex lifelong illness. But the balance needs particularly careful thought when beginning long-term treatment. Always make sure that you understand your patient’s aims before you propose a course of action. It may require 3 minutes in a situation like an acute sore throat, or years of ongoing dialogue in a situation like multiple sclerosis or heart failure. Do not assume that you know what your patient has come for, and do not assume that the treatments you have on offer meet the goals of everyone in the same way. Both health professionals and lay people tend to overestimate the benefits of treatments and underestimate their harms. The traditional way to express these is as the number-needed-to-treat (NNT) and the number-needed-to-harm (NNH). It is important to have a ‘ball-park’ idea of these figures in common clinical situations, but also important to bear in mind their limitations. First, patients mostly find NNTs and NNHs hard to understand.2 Second, the numbers do not apply to individuals equally but are just average figures across the populations of clinical trials. Third, people vary widely in how they would balance a given benefit against a given harm.3 So we need better ways of a) knowing the true NNT and the NNH in the populations we treat; b) sharing this knowledge with people in ways they can understand; and c) applying this knowledge to the goals and preferences of the individual in front of us. The first commandment assumes that there will be two diagnoses in …

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)0,071
score de la tête « metaresearch » (Gemma)0,107
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,374

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0710,107
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0020,002
Études des sciences et des technologies0,0070,017
Communication savante0,0200,021
Science ouverte0,0050,024
Intégrité de la recherche0,0170,041
Charge utile insuffisante (le modèle a refusé de juger)0,0750,019

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 Opus0,123
Tête enseignante GPT0,392
Écart entre enseignants0,270 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of General PracticeMême sujetPharmaceutical studies and practicesTravaux en français237 207