MétaCan
Menu
Retour à la cohorte
Enregistrement W3027820216 · doi:10.1136/bmjebm-2020-111371

Problem with patient decision aids

2020· article· en· W3027820216 sur OpenAlexaff
Joshua R Zadro, Adrian C. Traeger, Simon Décary, Mary O’Keeffe

Notice bibliographique

RevueBMJ evidence-based medicine · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésDecision aidsCertaintyPresentation (obstetrics)Health careDecision support systemMedicineDecision qualityDecision analysisValue (mathematics)Quality (philosophy)Medical emergencyPatient satisfactionNursingComputer scienceAlternative medicineArtificial intelligenceSurgery

Résumé

récupéré en direct d'OpenAlex

Patient decision aids are evidence-based tools designed to help patients make specific and deliberated choices among healthcare options. Research shows that patient decision aids increase knowledge, accuracy of risk perceptions, alignment of care with patient values and preferences, and patient involvement in decision making. Some patient decision aids can reduce the use of invasive and potentially low-value procedures. On this basis, clinical practice guidelines and international organisations have begun to recommend the use of patient decision aids and shared decision making as a strategy to reduce medical overuse. Although patient decision aids hold promise for improving healthcare, there are fundamental issues with patient decision aids that need to be addressed before further progress can be made. The problems with patient decision aids are: (1) Guidelines for developing patient decision aids may not be sufficient to ensure developers select the best available evidence and present it appropriately; (2) Biased presentation of low-certainty evidence is common and (3) Biased presentation of low-certainty evidence is misleading, and could inadvertently support, low-value care. We explore these issues in the article and present a case study of online patient decision aids for musculoskeletal pain. We suggest ways to ensure patient decision aids help patients understand the evidence and, where possible, support high-quality care.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Commentaire
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetlow
gptaucune catégorie
Domaine: non disponible · Genre: Commentaire
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetlow
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,182
score de la tête « metaresearch » (Gemma)0,523
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: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,182
Score d'incertitude au seuil0,963

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1820,523
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0040,004
Études des sciences et des technologies0,0060,015
Communication savante0,0130,028
Science ouverte0,0080,012
Intégrité de la recherche0,0170,029
Charge utile insuffisante (le modèle a refusé de juger)0,0290,014

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 Opus0,386
Tête enseignante GPT0,470
Écart entre enseignants0,084 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

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

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

En bref

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ evidence-based medicineMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207