MétaCan
Menu
Retour à la cohorte
Enregistrement W3044981225 · doi:10.1177/0272989x20940660

What Matters to Patients and Families: A Content and Process Framework for Clarifying Preferences, Concerns, and Values

2020· article· en· W3044981225 sur OpenAlexafffundabout
Rhéa Rocque, Selma Chipenda Dansokho, Roland Grad, Holly O. Witteman

Notice bibliographique

RevueMedical Decision Making · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensMcGill UniversityJewish General HospitalUniversité Laval
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health Research
Mots-clésPsychologyContent analysisSociocultural evolutionSocial psychologyMedicineSociology

Résumé

récupéré en direct d'OpenAlex

Background. Values clarification, or sorting out what matters to a patient or family relevant to a health decision, is a fundamental part of shared decision making. We aimed to describe how values clarification occurs in routine primary care. Methods. Using framework analysis and an established taxonomy, 2 independent researchers analyzed 260 consultations in 5 family medicine clinics across Quebec. Two questions guided our analyses: 1) What categories exist regarding what matters to patients? 2) What patterns exist in discussions of what matters to patients? Results. 1) Five distinct categories of what matters to patients and families were discussed during values clarification: preferences, concerns, treatment-specific values, life goals or philosophies, and broader contextual or sociocultural values. Preferences and concerns were the matters most commonly raised. 2) Diverse patterns of values clarification emerged based on 3 analytical questions: Who initiates the discussion about what matters to patients? When? What information is discussed? The most frequent pattern was clinicians soliciting patients’ concerns and preferences during the information-gathering phase. The second most common pattern was similar, except that patients’ spontaneously raised what matters to them. Limitations. The study was descriptive and based on audio-recorded visits. We did not interview patients and clinicians to elicit their perspectives. Conclusions. There are 5 distinct categories of what matters to patients and families as well as clear patterns of how values clarification occurs in routine primary care consultations. Clinicians could be sensitive to these categories when engaging in the process of values clarification and may wish to pay particular attention to the opening minutes of a consultation. This study provides a structure for future identification of best practices in values clarification.

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)0,081
score de la tête « metaresearch » (Gemma)0,061
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,476

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0810,061
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0120,007
Études des sciences et des technologies0,0190,033
Communication savante0,0130,013
Science ouverte0,0040,008
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,379
Tête enseignante GPT0,495
Écart entre enseignants0,116 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations14
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMedical Decision MakingMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207