Implementation of shared decision-making in healthcare policy and practice: a complex adaptive systems perspective
Notice bibliographique
Résumé
Background: Despite the suggested benefits of shared decision-making (SDM), its implementation in policy and practice has been slow and inconsistent. Use of complex adaptive systems (CAS) theory may provide understanding of how healthcare system factors influence implementation of SDM. Methods: Using the example of choice of mode of birth after a previous caesarean section, in-depth, semi-structured interviews were conducted with patients, providers, and decision makers in British Columbia, Canada, to explore the system characteristics and processes that influence implementation of SDM. Implementation and knowledge translation principles guided study design, and constructionist grounded theory informed iterative data collection and analysis. Findings: Analysis of interviews (n=58) revealed that patients formed early preferences for mode of delivery (after the primary caesarean) through careful deliberation of social risks and benefits. Physicians acted as information providers of clinical risks and benefits, while decision makers revealed concerns related to liability and patient safety. These concerns stemmed from perceptions of limited access to surgical resources, which had resulted from budget constraints. Discussion and conclusions: To facilitate the effective implementation of SDM in policy and practice it may be critical to initiate SDM once patients become aware of their healthcare options, assist patients to address the social risks that influence their preferences, manage perceptions of risk related to patient safety and litigation among physicians, and enhance access to healthcare resources.
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 | 0,066 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,054 |
| Communication savante | 0,017 | 0,010 |
| Science ouverte | 0,004 | 0,011 |
| Intégrité de la recherche | 0,007 | 0,007 |
| 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 ».