What Helps People Make Values-Congruent Medical Decisions? Eleven Strategies Tested across 6 Studies
Notice bibliographique
Résumé
Background. High-quality health decisions are often defined as those that are both evidence informed and values congruent. A values-congruent decision aligns with what matters to those most affected by the decision. Values clarification methods are intended to support values-congruent decisions, but their effects on values congruence are rarely evaluated. Methods. We tested 11 strategies, including the 3 most commonly used values clarification methods, across 6 between-subjects online randomized experiments in demographically diverse US populations ( n1 = 1346, n2 = 456, n3 = 840, n4 = 1178, n5 = 841, n6 = 2033) in the same hypothetical decision. Our primary outcome was values congruence. Decisional conflict was a secondary outcome in studies 3 to 6. Results. Two commonly used values clarification methods (pros and cons, rating scales) reduced decisional conflict but did not encourage values-congruent decisions. Strategies using mathematical models to show participants which option aligned with what mattered to them encouraged values-congruent decisions and reduced decisional conflict when assessed. Limitations. A hypothetical decision was necessary for ethical reasons, as we believed some strategies may harm decision quality. Later studies used more outcomes and covariates. Results may not generalize outside US-based adults with online access. We assumed validity and stability of values during the brief experiments. Conclusions. Failing to explicitly support the process of aligning options with values leads to increased proportions of values-incongruent decisions. Methods representing more than half of values clarification methods commonly in use failed to encourage values-congruent decisions. Methods that use models to explicitly show people how options align with their values offer more promise for helping people make decisions aligned with what matters to them. Decisional conflict, while arguably an important outcome in and of itself, is not an appropriate proxy for values congruence.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,093 | 0,253 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».