Usability of an Educational Intervention to Overcome Therapeutic Inertia in Multiple Sclerosis Care
Notice bibliographique
Résumé
Background: Educational interventions are needed to overcome knowledge-to-action gaps in clinical care. We previously tested the feasibility and potential efficacy of an educational intervention that facilitates treatment decisions in multiple sclerosis care. A demonstration of the usability of such an intervention is crucial prior to demonstration of efficacy in a large trial. Objectives: To evaluate the usability of a novel, pilot-tested intervention aimed at neurologists to improve therapeutic decisions in multiple sclerosis (MS) care. Methods: We surveyed 50 neurologists from Chile, Argentina, and Canada randomized to an educational intervention arm of a pilot feasibility study using the System Usability Score (SUS) to assess the usability of a traffic light system (TLS)-based educational intervention. The TLS facilitates therapeutic decisions, allowing participants to easily recognize high-risk scenarios requiring treatment escalation. The SUS is a 10 item, validated questionnaire with five response options. The primary outcome was the average and 95% confidence interval (CI) of the SUS score. Values above 68 are considered highly usable. Results: Of 50 neurologists invited to be part of the study, all completed the SUS scale and the study. For the primary outcome, the average usability score was 74.7 (95%CI 70.1-79.2). There was one outlier with a score of 35. The usability score excluding the outlier was 76.8 (95%CI 72.7-80.8). Multivariable analysis revealed no association between participants’ characteristics and the SUS score. Conclusions: Our educational intervention has shown high usability among neurologists. The next step is to evaluate the effectiveness of this educational intervention in facilitating treatment decisions in the management of multiple sclerosis in a large trial.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».