New galaxies in the universe of shared decision-making and rheumatoid arthritis
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Implementing shared decision-making (SDM) is a top international priority to improve care for persons living with rheumatoid arthritis. Using SDM tools, such as decision aids improve patients' knowledge and support communication with their clinicians on treatment benefits and risks. Despite calls for SDM in treat-to-target, studies demonstrating effective SDM strategies in rheumatology clinical practice are scarce. Our objective was to identify recent and relevant literature on SDM in rheumatoid arthritis. RECENT FINDINGS: We found a burgeoning literature on SDM in rheumatoid arthritis that tackles issues of implementation. Studies have evaluated the SDM process within clinical consultations and found that uptake is suboptimal. Trials of newly developed patient decision aids follow high methodological standards, but large-scale implementation is lacking. Innovative SDM strategies, such as shared goals and preference phenotypes may improve implementation of treat-to-target approach. Research and patient engagement are standardizing measures of SDM for clinical uses. SUMMARY: Uptake of SDM in rheumatoid arthritis holds promise in wider clinicians' and patients' awareness, availability of decision aids, and broader treat-to-target implementation strategies, such as the learning collaborative. Focused attention is needed on facilitating SDM among diverse populations and those at risk of poorer outcomes and barriers to communication.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| 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 | 0,002 |
| 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 ».