Communicating laboratory results to patients and families
Notice bibliographique
Résumé
People are increasingly able to access their laboratory results via patient portals. The potential benefits provided by such access, such as reductions in patient burden and improvements in patient satisfaction, disease management, and medical decision making, also come with potentially valid concerns about such results causing confusion or anxiety among patients. However, it is possible to clearly convey the meaning of results and, when needed, indicate required action by designing systems to present laboratory results adapted to the people who will use them. Systems should support people in converting the potentially meaningless data of results into meaningful information and actionable knowledge. We offer 10 recommendations toward this goal: (1) whenever possible, provide a clear takeaway message for each result. (2) Signal whether differences are meaningful or not. (3) When feasible, provide thresholds for concern and action. (4) Individualize the frame of reference by allowing custom reference ranges. (5) Ensure the system is accessible. (6) Provide conversion tools along with results. (7) Design in collaboration with users. (8) Design for both new and experienced users. (9) Make it easy for people use the data as they wish. (10) Collaborate with experts from relevant fields. Using these 10 methods and strategies renders access to laboratory results into meaningful and actionable communication. In this way, laboratories and medical systems can support patients and families in understanding and using their laboratory results to manage their health.
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 | 0,028 | 0,141 |
| 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 | 0,005 | 0,002 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,013 |
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 ».