Identifying Information Needs for Hirschsprung Disease Through Caregiver Involvement via Social Media: A Prioritization Study and Literature Review
Notice bibliographique
Résumé
BACKGROUND: Patient and public involvement in health research is important to produce relevant and impactful results. OBJECTIVE: This paper aimed to prioritize and summarize Hirschsprung disease (HD)-related information needs among caregivers of children with HD and pediatric surgeons through partnership with a parent-initiated social media campaign. METHODS: We conducted a Web-based survey with the 2 stakeholder groups to identify information needs. The caregiver survey was conducted through a global Web-based community, and the surgeon survey was distributed to members of the Canadian Association of Paediatric Surgeons (CAPS). We conducted a literature review to identify evidence on the prioritized topics. RESULTS: Our findings showed that 54.9% (89/162) of the individuals completed the caregiver survey and 23.8% (52/218 listed members) of the pediatric surgeons completed the survey distributed through CAPS. Only 20% (18/89) of the caregivers reported being very satisfied or satisfied with the current HD-related resources. A final prioritized list of information needs included bowel management, nutrition and growth, infection, perianal irritation, gastrointestinal pain, surgical diagnostics, and surgical complications. In total, 87 studies were included in the literature review, which included the following: 8 reviews, 2 randomized controlled trials, 74 cohort studies, and 3 practice guidelines. Two priority issues identified by caregivers had only a single study that met the inclusion criteria, whereas 1 topic had none. CONCLUSIONS: With caregiver and surgeon input, we identified 7 information priority areas related to HD. A review of the literature on the priorities found little evidence to support the development of high-quality guidelines. More research is necessary to meet the information needs related to HD as identified by stakeholders.
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 | 0,022 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,042 | 0,025 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».