Putting the patient at the centre of pathology: an innovative approach to patient education—MyPathologyReport.ca
Notice bibliographique
Résumé
In many centres, patients now have access to their electronic medical record (EMR) and laboratory results, including pathology reports, are amongst the most frequently accessed pieces of information. The pathology report is an important but highly technical medical document that can be difficult for patient and clinicians alike to interpret. To improve communication and patient safety, pathologists are being called upon to play a more direct role in patient care. Novel approaches have been undertaken by pathologists to address this need, including the addition of patient-friendly summaries at the beginning of pathology reports and the development of patient education tools. MyPathologyReport.ca is a novel website exclusively providing pathology education to patients. It has been designed to help patients understand the language of pathology and to effectively navigate their pathology report. At present, the website includes over 150 diagnostic articles and over 125 pathology dictionary definitions. The diagnostic articles span all body sites and include a variety of malignant, benign and non-neoplastic conditions. Since its creation, this website has been visited over 14 000 times, with cancer-related diagnoses and definitions representing the most commonly accessed articles. This website has been embedded in patient accessible EMRs and shared through partnerships with patients, caregivers and their respective advocacy groups. Our next steps involve longitudinal assessment of MyPathologyReport.ca from non-medical community members, evaluation of patient satisfaction and understanding and further collaboration with hospitals and care-providers to increase patient access to this resource.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».