Decisional Conflict Scale Findings among Patients and Surrogates Making Health Decisions: Part II of an Anniversary Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background. We explored decisional conflict as measured with the 16-item Decisional Conflict Scale (DCS) and how it varies across clinical situations, decision types, and exposure to decision support interventions (DESIs). Methods. An exhaustive scoping review was conducted using backward citation searches and keyword searches. Eligible studies were published between 1995 and March 2015, used an original experimental/observational research design, concerned a health-related decision, and provided DCS data. Dyads independently screened titles/abstracts and full texts, and extracted data. We performed narrative syntheses and calculated average or median DCS scores. Results. We included 246 articles reporting on 253 studies. DCS scores ranged from 2.4 to 79.7 out of 100. Highest baseline DCS scores were for care planning (44.8 ± 8.9, median = 47.0) and treatment decisions (32.5 ± 12.6, median = 31.9), in contexts of primary care (40.6 ± 18.3), and geriatrics (39.8 ± 11.2). Baseline scores were high among decision makers who were ill (33.2 ± 14.1, median = 30.2) or making decisions for themselves (33.4 ± 13.8, median = 32.0). Total DCS scores <25 out of 100 were associated with implementing decisions. Without DESIs, DCS scores tended to increase shortly after decision making (>37.4). After DESI use, DCS scores decreased short-term but increased or remained the same long-term (>6 months). Conclusions. DCS scores were highest at baseline and decreased after decision making. DESIs decreased decisional conflict immediately after decision making. The largest improvements after DESIs were in decision makers who were ill or made decisions for themselves. Further meta-analyses are needed for decision type, contexts, and interventions to inform hypotheses about the expected effects of DESIs, the best timing for measurement, and interpretation of DCS scores.
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.
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 | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 découle