Combining Multiple Treatment Comparisons with Personalized Patient Preferences: A Randomized Trial of an Interactive Platform for Statin Treatment Selection
Notice bibliographique
Résumé
BACKGROUND: Patients and clinicians are often required to make tradeoffs between the relative benefits and harms of multiple treatment options. Combining network meta-analysis results with user preferences can be useful when choosing among several treatment alternatives. OBJECTIVE: Using cholesterol-lowering statin drugs as a case study, we aimed to determine whether an interactive web-based platform that combines network meta-analysis findings with patient preferences had an effect on the decision-making process in a general population sample. METHOD: This was a pilot parallel randomized controlled trial. We used Amazon's Mechanical Turk to recruit adults residing in the United States. A total of 349 participants were randomly allocated to view either the interactive tool (intervention) or a series of bar charts (control). The primary endpoint was decisional conflict, and secondary endpoints included decision self-efficacy, preparation for decision making, and the overall ranking of statins. RESULTS: A total of 258 participants completed the trial and were included in the analysis. On the primary outcome, participants randomized to the interactive tool had significantly lower levels of decisional conflict than those in the control group (difference, -8.53; 95% confidence interval [CI], -12.96 to -4.11 on a 100-point scale; P = 0.001). They also appeared to have higher levels of preparation for decision making (difference, 4.19; 95% CI, -0.24 to 8.63 on a 100-point scale; P = 0.031). No difference was found for decision self-efficacy, although groups were statistically significantly different in how they ranked different statins. CONCLUSION: The findings of our proof-of-concept evaluation suggest that an interactive web-based tool combining published clinical evidence with individual preferences can reduce decisional conflict and better prepare individuals for decision making.
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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,000 | 0,000 |
| 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 ».