Covering patient’s perspective in case‐based critical review articles to improve shared decision making in complex cases
Notice bibliographique
Résumé
BACKGROUND: The patient has always been at the centre of the evidence-based medicine model. Case-based critical reviews, such as best-evidence topics, however, are incomplete reflections of the evidence-based medicine philosophy, because they fail to consider the patient's perspective. We propose a new framework, called the 'Shared Decision Evidence Summary' (ShaDES), where the patient's perspective on available treatment options is explicitly included. METHODS: Our framework is grounded in the critical appraisal of a clinical scenario, and the development of a clinical question, including patient characteristics, compared options and outcomes to be improved. Answers to the clinical question are informed by the literature, the evaluation of its quality and its potential usefulness to the clinical scenario. Finally, the evidence synthesis is presented to the patient to facilitate the formulation of an evidence-informed decision about the treatment options. KEY RESULTS: Using three similar but contrasted clinical scenarios of patients with low back pain, we illustrate how considering the patient's preferences on the proposed treatment options impact the bottom line, a synthetic formulation of the answer to the focused question. ShaDES includes clinical and psychosocial components, transformed in a searchable question, with a full search strategy. CONCLUSIONS: ShaDES is a practical framework that may facilitate clinical decisions adapted to psychological, social and other relevant non-clinical characteristics of patients.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,690 | 0,811 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,010 | 0,011 |
| Bibliométrie | 0,034 | 0,018 |
| Études des sciences et des technologies | 0,007 | 0,014 |
| Communication savante | 0,022 | 0,039 |
| Science ouverte | 0,010 | 0,028 |
| Intégrité de la recherche | 0,014 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».