An advance care plan decision support video before major surgery: a patient- and family-centred approach
Notice bibliographique
Résumé
Objective Video-based advanc care planning (ACP) tools have been studied in varied medical contexts; however, none have been developed for patients undergoing major surgery. Using a patient- and family-centredness approach, our objective was to implement human-centred design (HCD) to develop an ACP decision support video for patients and their family members when preparing for major surgery. Design and methods The study investigators partnered with surgical patients and their family members, surgeons and other health professionals to design an ACP decision support video using key HCD principles. Adapting Maguire’s HCD stages from computer science to the surgical context, while also incorporating Elwyn et al ’s specifications for patient-oriented decision support tool development, we used a six-stage HCD process to develop the video: (1) plan HCD process; (2) specify where video will be used; (3) specify user and organisational requirements; (4) produce and test prototypes; (5) carry out user-based assessment; (6) field test with end users. Results Over 450 stakeholders were engaged in the development process contributing to setting objectives, applying for funding, providing feedback on the storyboard and iterations of the decision tool video. Throughout the HCD process, stakeholders’ opinions were compiled and conflicting approaches negotiated resulting in a tool that addressed stakeholders’ concerns. Conclusions Our patient- and family-centred approach using HCD facilitated discussion and the ability to elicit and balance sometimes competing viewpoints. The early engagement of users and stakeholders throughout the development process may help to ensure tools address the stated needs of these individuals. Trial registration number NCT02489799.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».