MétaCan
Menu
Retour à la cohorte
Enregistrement W2547171731 · doi:10.1177/0272989x16675338

Toward Optimal Decision Making among Vulnerable Patients Referred for Cardiac Surgery: A Qualitative Analysis of Patient and Provider Perspectives

2016· article· en· W2547171731 sur OpenAlexafffund
Ryan Gainer, Janet Curran, Karen J. Buth, Jennie G. David, Jean‐François Légaré, Gregory M. Hirsch

Notice bibliographique

RevueMedical Decision Making · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensDalhousie University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésFocus groupAutonomyMedicineInformed consentIntensive care unitComprehensionPsychological interventionPopulationQualitative researchFamily medicineNursingIntensive care medicineAlternative medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Comprehension of risks, benefits, and alternative treatment options has been shown to be poor among patients referred for cardiac interventions. Patients' values and preferences are rarely explicitly sought. An increasing proportion of frail and older patients are undergoing complex cardiac surgical procedures with increased risk of both mortality and prolonged institutional care. We sought input from patients and caregivers to determine the optimal approach to decision making in this vulnerable patient population. METHODS: Focus groups were held with both providers and former patients. Three focus groups were convened for Coronary Artery Bypass Graft (CABG), Valve, or CABG +Valve patients ≥ 70 y old (2-y post-op, ≤ 8-wk post-op, complicated post-op course) (n = 15). Three focus groups were convened for Intermediate Medical Care Unit (IMCU) nurses, Intensive Care Unit (ICU) nurses, surgeons, anesthesiologists and cardiac intensivists (n = 20). We used a semi-structured interview format to ask questions surrounding the informed consent process. Transcribed audio data was analyzed to develop consistent and comprehensive themes. RESULTS: We identified 5 main themes that influence the decision making process: educational barriers, educational facilitators, patient autonomy and perceived autonomy, patient and family expectations of care, and decision making advocates. All themes were influenced by time constraints experienced in the current consent process. Patient groups expressed a desire to receive information earlier in their care to allow time to identify personal values and preferences in developing plans for treatment. Both groups strongly supported a formal approach for shared decision making with a decisional coach to provide information and facilitate communication with the care team. CONCLUSIONS: Identifying the barriers and facilitators to patient and caretaker engagement in decision making is a key step in the development of a structured, patient-centered SDM approach. Intervention early in the decision process, the use of individualized decision aids that employ graphic risk presentations, and a dedicated decisional coach were identified by patients and providers as approaches with a high potential for success. The impact of such a formalized shared decision making process in cardiac surgery on decisional quality will need to be formally assessed. Given the trend toward older and frail patients referred for complex cardiac procedures, the need for an effective shared decision making process is compelling.

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)0,017
score de la tête « metaresearch » (Gemma)0,030
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 enseignants0,017
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,006
Communication savante0,0040,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,171
Tête enseignante GPT0,483
Écart entre enseignants0,312 · 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

Citations60
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical Decision MakingMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207