How to identify, incorporate and report patient preferences in clinical guidelines: A scoping review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 découle