Shared decision making in surgery: A scoping review of the literature
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: Shared decision making (SDM) has been increasingly implemented to improve health-care outcomes. Despite the mixed efficacy of SDM to provide better patient-guided care, its use in surgery has not been studied. The aim of this study was to systematically review SDM application in surgery. DESIGN: The search strategy, developed with a medical librarian, included nine databases from inception until June 2019. After a 2-person title and abstract screen, full-text publications were analysed. Data collected included author, year, surgical discipline, location, study duration, type of decision aid, survey methodology and variable outcomes. Quantitative and qualitative cross-sectional studies, as well as RCTs, were included. RESULTS: A total of 6060 studies were retrieved. A total of 148 were included in the final review. The majority of the studies were in plastic surgery, followed by general surgery and orthopaedics. The use of SDM decreased surgical intervention rate (12 of 22), decisional conflict (25 of 29), and decisional regret (5 of 5), and increased decisional satisfaction (17 of 21), knowledge (33 of 35), SDM preference (13 of 16), and physician trust (4 of 6). Time increase per patient encounter was inconclusive. Cross-sectional studies showed that patients prefer shared treatment and surgical treatment varied less. The results of SDM per type of decision aid vary in terms of their outcome. CONCLUSION: SDM in surgery decreases decisional conflict, anxiety and surgical intervention rates, while increasing knowledge retained decisional satisfaction, quality and physician trust. Surgical patients also appear to prefer SDM paradigms. SDM appears beneficial in surgery and therefore worth promoting and expanding in use.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| 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 | 0,003 |
| 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