MétaCan
Menu
Retour à la cohorte
Enregistrement W3047123774 · doi:10.1186/s12882-020-01956-w

Choice of dialysis modality: patients’ experiences and quality of decision after shared decision-making

2020· article· en· W3047123774 sur OpenAlexaff
Jeanette Finderup, Kirsten Lomborg, Jens Dam Jensen, Dawn Stacey

Notice bibliographique

RevueBMC Nephrology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesSundhedsstyrelsenNyreforeningen
Mots-clésMedicineNephrologyMedical decision makingModality (human–computer interaction)DialysisClinical decision makingQuality (philosophy)Intensive care medicineInternal medicineFamily medicineArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patients with kidney failure experience a complex decision on dialysis modality performed either at home or in hospital. The options have different levels of impact on their physical and psychological condition and social life. The purpose of this study was to evaluate the implementation of an intervention designed to achieve shared decision-making for dialysis choice. Specific objectives were: 1) to measure decision quality as indicated by patients' knowledge, readiness and achieved preferences; and 2) to determine if patients experienced shared decision-making. METHOD: A mixed methods descriptive study was conducted using both questionnaires and semi-structured interviews. Eligible participants were adults with kidney failure considering dialysis modality. The intervention, based on the Three-Talk model, consisted of a patient decision aid and decision coaching meetings provided by trained dialysis coordinators. The intervention was delivered to 349 patients as part of their clinical pathway of care. After the intervention, 148 participants completed the Shared Decision-Making Questionnaire and the Decision Quality Measurement, and 29 participants were interviewed. Concordance between knowledge, decision and preference was calculated to measure decision quality. Interview transcripts were analysed qualitatively. RESULTS: The participants obtained a mean score for shared decision-making of 86 out of 100. There was no significant difference between those choosing home- or hospital-based treatment (97 versus 83; p = 0.627). The participants obtained a knowledge score of 82% and a readiness score of 86%. Those choosing home-based treatment had higher knowledge score than those choosing hospital-based treatment (84% versus 75%; p = 0.006) but no significant difference on the readiness score (87% versus 84%; p = 0.908). Considering the chosen option and the knowledge score, 83% of the participants achieved a high-quality decision. No significant difference was found for decision quality between those choosing home- or hospital-based treatment (83% versus 83%; p = 0.935). Interview data informed the interpretation of these results. CONCLUSIONS: Although there was no control group, over 80% of participants exposed to the intervention and responded to the surveys experienced shared decision-making and reached a high-quality decision. Both participants who chose home- and hospital-based treatment experienced the intervention as shared decision-making and made a high-quality decision. Qualitative findings supported the quantitative results. TRIAL REGISTRATION: The full trial protocol is available at ClinicalTrials. Gov ( NCT03868800 ). The study has been registered retrospectively.

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)0,011
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,325
Écart entre enseignants0,285 · 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'étudeQualitatif
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

Citations47
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC NephrologyMême sujetDialysis and Renal Disease ManagementTravaux en français237 207