Are you SURE
Notice bibliographique
Résumé
OBJECTIVE To assess the reliability and validity of the 4-item SURE (Sure of myself; Understand information; Risk-benefit ratio; Encouragement) screening test for decisional conflict in patients. DESIGN Cross-sectional study. SETTING Four family medicine groups in Quebec and 1 rural academic medical centre in New Hampshire. PARTICIPANTS One hundred twenty-three French-speaking pregnant women considering prenatal screening for Down syndrome and 1474 English-speaking patients referred to watch condition-specific video decision aids. MAIN OUTCOME MEASURES Cronbach α was used to assess the reliability of SURE. A factorial analysis was performed to assess its unidimensionality. The Pearson correlation coefficient was computed between SURE and the Decisional Conflict Scale to assess concurrent validation. A t test procedure comparing the SURE scores of patients who had made decisions with the scores of those who had not was used to assess construct validation. RESULTS Among the 123 French-speaking pregnant women, 105 (85%) scored 4 out of 4 (no decisional conflict); 10 (8%) scored 3 (≤ 3 indicates decisional conflict); 7 (6%) scored 2; and 1 (1%) scored 1. Among the 1474 English-speaking treatment-option patients, 981 (67%) scored 4 out of 4; 272 (18%) scored 3; 147 (10%) scored 2; 54 (4%) scored 1; and 20 (1%) scored 0. The reliability of SURE was moderate (Cronbach α of 0.54 in French-speaking pregnant women and 0.65 in treatment-option patients). In the group of pregnant women, 2 factors accounted for 72% of the variance. In the treatment-option group, 1 factor accounted for 49% of the variance. In the group of pregnant women, SURE correlated negatively with the Decisional Conflict Scale ( r = −0.46; P < .0001); and in the group of treatment-option patients, it discriminated between those who had made a choice for a treatment and those who had not ( P < .0001). CONCLUSION The SURE screening test shows promise for screening for decisional conflict in both French- and English-speaking patients; however, future studies should assess its performance in a broader group of patients.
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 | 0,004 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,073 | 0,035 |
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 ».