MétaCan
Menu
Retour à la cohorte
Enregistrement W3042851801 · doi:10.1111/hex.13099

How to identify, incorporate and report patient preferences in clinical guidelines: A scoping review

2020· review· en· W3042851801 sur OpenAlexaff
Claire Kim, Melissa J. Armstrong, Whitney Berta, Anna R. Gagliardi

Notice bibliographique

RevueHealth Expectations · 2020
Typereview
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésCINAHLMEDLINEGuidelineScopusMedicineData extractionPsychologyNursingPsychological intervention

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Clinical guidelines optimize care delivery and outcomes. Guidelines support patient engagement and adherence if they reflect patient preferences for treatment options, risks and benefits. Many guidelines do not address patient preferences. Developers require insight on how to develop such guidelines. OBJECTIVE: To conduct a scoping review on how to identify, incorporate and report patient preferences in guidelines. SEARCH: We searched MEDLINE, EMBASE, Scopus, CINAHL, OpenGrey and GreyLit from 2010 to November 2019. ELIGIBILITY: We included English language studies describing patient preferences and guidelines. DATA EXTRACTION AND SYNTHESIS: We reported approaches for and determinants and impacts of identifying patient preferences using summary statistics and text, and interpreted findings using a conceptual framework of patient engagement in guideline development. RESULTS: Sixteen studies were included: 2 consulted patients and providers about patient engagement approaches, and 14 identified patient preferences (42.9%) or methods for doing so (71.4%). Studies employed single (57.1%) or multiple (42.9%) methods for identifying preferences. Eight (57.1%) incorporated preferences in one aspect of guideline development, while 6 (42.9%) incorporated preferences in multiple ways, most commonly to identify questions, benefits or harms, and generate recommendations. Studies did not address patient engagement in many guideline development steps. Included studies were too few to establish the best approaches for identifying or incorporating preferences. Fewer than half of the studies (7, 43.8%) explored barriers. None examined reporting preferences in guidelines. CONCLUSIONS: Research is needed to establish the single or multiple approaches that result in incorporating and reporting preferences in all guideline development steps.

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 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)0,165
score de la tête « metaresearch » (Gemma)0,513
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,835
Score d'incertitude au seuil0,873

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1650,513
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0080,010
Bibliométrie0,0420,034
Études des sciences et des technologies0,0030,003
Communication savante0,0110,017
Science ouverte0,0060,007
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,732
Tête enseignante GPT0,645
Écart entre enseignants0,087 · 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

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeRevue systématique
DomainePrésentation des résultats
GenreSynthèse

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

En bref

Citations54
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth ExpectationsMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207