Shared Decision Making in Surgery: A Meta-Analysis and Full Systematic Review
Notice bibliographique
Résumé
Shared decision-making (SDM), the process where physician and patient reach an agreed-upon choice by understanding the values, concerns, and preferences inherent within each treatment option available, has been increasingly implemented in clinical practice to better health care outcomes. Despite the proven efficacy of SDM to provide better patient-guided care in medicine, its use in surgery has not been studied widely. A search strategy was developed with a medical librarian. It included nine databases from inception until December 2018. After a 2-person title and abstract screen, full-text publications were analyzed in detail. A meta-analysis was done to quantify the impact of SDM in surgical specialties. In total 5,596 studies were retrieved. After duplicates were removed, titles and abstracts were screened, and p-values were recorded, 140 (45 RCTs and 95 cross-sectional studies) were used for the systematic review and 42 for the meta-analyses. Most of the studies noted decreased intervention rate (8 of 14), decisional conflict (13 of 16), and decisional regret (3 of 3), and an increased decisional satisfaction (9 of 12), knowledge (19 of 20), SDM preference (6 of 8), and physician trust (3 of 4) when using SDM. Time increase per patient encounter was inconclusive. The meta-analysis showed that despite high heterogeneity, the results were significant. Far from obviating surgical immediacy, these results suggest that SDM is vital for the best indicators of care. With decreased conflict and anxiety, increasing knowledge and satisfaction, and creating a more whole, trusting relationship, SDM appears to be beneficial in surgery.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».