Developing the Storyline for an Advance Care Planning Video for Surgery Patients: Patient-Centered Outcomes Research Engagement from Stakeholder Summit to State Fair
Notice bibliographique
Résumé
BACKGROUND: Patient-centered outcomes research (PCOR) methods and social learning theory (SLT) require intensive interaction between researchers and stakeholders. Advance care planning (ACP) is valuable before major surgery, but a systematic review found no extant perioperative ACP tools. Consequently, PCOR methods and SLT can inform the development of an ACP educational video for patients and families preparing for major surgery. OBJECTIVE: The objective is to develop and test acceptability of an ACP video storyline. DESIGN: The design is a stakeholder-guided development of the ACP video storyline. Design-thinking methods explored and prioritized stakeholder perspectives. Patients and family members evaluated storyboards containing the proposed storyline. SETTING/SUBJECTS: The study was conducted at hospital outpatient surgical clinics, in-person stakeholder summit, and the 2014 Maryland State Fair. MEASUREMENTS: Measurements are done through stakeholder engagement and deidentified survey. RESULTS: Stakeholders evaluated and prioritized evidence from an environmental scan. A surgeon, family member, and palliative care physician team iteratively developed a script featuring 12 core themes and worked with a medical graphic designer to translate the script into storyboards. For 10 days, 359 attendees of the 2014 Maryland State Fair evaluated the storyboards and 87% noted that they would be "very comfortable" or "comfortable" seeing the storyboard before major surgery, 89% considered the storyboards "very helpful" or "helpful," and 89% would "definitely recommend" or "recommend" this story to others preparing for major surgery. CONCLUSIONS: Through an iterative process utilizing diverse PCOR engagement methods and informed by SLT, storyboards were developed for an ACP video. Field testing revealed the storyline to be highly meaningful for surgery patients and family members.
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 | 0,056 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».