MétaCan
Menu
Retour à la cohorte
Enregistrement W2947651119 · doi:10.1177/0272989x19851345

Decisional Conflict Scale Use over 20 Years: The Anniversary Review

2019· review· en· W2947651119 sur OpenAlexafffund
Mirjam M. Garvelink, Laura Boland, Krystal A. Klein, Don Vu Nguyen, Matthew Menear, Hilary Bekker, Karen Eden, Annie LeBlanc, Annette M. O’Connor, Dawn Stacey, France Légaré

Notice bibliographique

RevueMedical Decision Making · 2019
Typereview
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensUniversity of OttawaCentre intégré universitaire de santé et de services sociaux de la Capitale-NationaleOttawa HospitalCentres Intégré Universitaires de Santé et de Services SociauxCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalUniversité LavalCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-Jean
Organismes subventionnairesInstitute of Health Services and Policy ResearchCanadian Institutes of Health Research
Mots-clésScale (ratio)GeographyCartography

Résumé

récupéré en direct d'OpenAlex

Background. The Decisional Conflict Scale (DCS) measures 5 dimensions of decision making (feeling: uncertain, uninformed, unclear about values, unsupported; ineffective decision making). We examined the use of the DCS over its initial 20 years (1995 to 2015). Methods. We conducted a scoping review with backward citation search in Google Analytics/Web of Science/PubMed, followed by keyword searches in Cochrane Library, PubMed, Ovid MEDLINE, EMBASE, CINAHL, AMED, PsycINFO, PRO-Quest, and Web of Science. 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 (total/subscales). Author dyads independently screened titles, abstracts, full texts, and extracted data. We performed narrative data synthesis. Results. We included 394 articles. DCS use appeared to increase over time. Three hundred nine studies (76%) used the original DCS, and 29 (7%) used subscales only. Most studies used the DCS to evaluate the impact of decision support interventions ( n = 238, 59%). The DCS was translated into 13 languages. Most decisions were made by people for themselves ( n = 353, 87%), about treatment ( n = 225, 55%), or testing ( n = 91, 23%). The most common decision contexts were oncology ( n = 113, 28%) and primary care ( n = 82, 20%). Conclusions. This is the first study to descriptively synthesize characteristics of DCS data. Use of the DCS as an outcome measure for health decision interventions has increased over its 20-year existence, demonstrating its relevance as a decision-making evaluation measure. Most studies failed to report when decisional conflict was measured during the decision-making process, making scores difficult to interpret. Findings from this study will be used to update the DCS user manual.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,061
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,061
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0240,022
Études des sciences et des technologies0,0010,001
Communication savante0,0040,005
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,501
Tête enseignante GPT0,560
Écart entre enseignants0,060 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations175
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical Decision MakingMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207