MétaCan
Menu
Retour à la cohorte
Enregistrement W3048813407 · doi:10.2196/16984

Impact of MyDiabetesPlan, a Web-Based Patient Decision Aid on Decisional Conflict, Diabetes Distress, Quality of Life, and Chronic Illness Care in Patients With Diabetes: Cluster Randomized Controlled Trial

2020· article· en· W3048813407 sur OpenAlexafffundabout
Catherine Yu, Dorothy Choi, Brigida A. Bruno, Kevin E. Thorpe, Sharon E. Straus, Paul Cantarutti, Karen Chu, Paul Frydrych, Amy Hoang‐Kim, Noah Ivers, David M. Kaplan, Fok‐Han Leung, John Maxted, Jeremy Rezmovitz, Joanna E. M. Sale, Sumeet Sodhi-Helou, Dawn Stacey, Deanna Telner

Notice bibliographique

RevueJournal of Medical Internet Research · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensUniversity of OttawaToronto General HospitalOttawa HospitalUniversity Health NetworkHealth Sciences CentreSouthlake Regional Health CenterMarkham Stouffville HospitalWomen's College HospitalSt. Michael's HospitalSunnybrook Health Science CentreNorth York General HospitalSinai Health SystemBridgepoint Active HealthcarePublic Health OntarioUniversity of Toronto
Organismes subventionnairesUniversity of TorontoWomen's College Hospital
Mots-clésRandomized controlled trialDistressDiabetes mellitusQuality of life (healthcare)MedicinePhysical therapyClinical psychologyNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Person-centered care is critical for delivering high-quality diabetes care. Shared decision making (SDM) is central to person-centered care, and in diabetes care, it can improve decision quality, patient knowledge, and patient risk perception. Delivery of person-centered care can be facilitated with the use of patient decision aids (PtDAs). We developed MyDiabetesPlan, an interactive SDM and goal-setting PtDA designed to help individualize care priorities and support an interprofessional approach to SDM. OBJECTIVE: This study aims to assess the impact of MyDiabetesPlan on decisional conflict, diabetes distress, health-related quality of life, and patient assessment of chronic illness care at the individual patient level. METHODS: A two-step, parallel, 10-site cluster randomized controlled trial (first step: provider-directed implementation only; second step: both provider- and patient-directed implementation 6 months later) was conducted. Participants were adults 18 years and older with diabetes and 2 other comorbidities at 10 family health teams (FHTs) in Southwestern Ontario. FHTs were randomly assigned to MyDiabetesPlan (n=5) or control (n=5) through a computer-generated algorithm. MyDiabetesPlan was integrated into intervention practices, and clinicians (first step) followed by patients (second step) were trained on its use. Control participants received static generic Diabetes Canada resources. Patients were not blinded. Participants completed validated questionnaires at baseline, 6 months, and 12 months. The primary outcome at the individual patient level was decisional conflict; secondary outcomes were diabetes distress, health-related quality of life, chronic illness care, and clinician intention to practice interprofessional SDM. Multilevel hierarchical regression models were used. RESULTS: At the end of the study, the intervention group (5 clusters, n=111) had a modest reduction in total decisional conflicts compared with the control group (5 clusters, n=102; -3.5, 95% CI -7.4 to 0.42). Although there was no difference in diabetes distress or health-related quality of life, there was an increase in patient assessment of chronic illness care (0.7, 95% CI 0.4 to 1.0). CONCLUSIONS: Use of goal-setting decision aids modestly improved decision quality and chronic illness care but not quality of life. Our findings may be due to a gap between goal setting and attainment, suggesting a role for optimizing patient engagement and behavioral support. The next steps include clarifying the mechanisms by which decision aids impact outcomes and revising MyDiabetesPlan and its delivery. TRIAL REGISTRATION: ClinicalTrials.gov NCT02379078; https://clinicaltrials.gov/ct2/show/NCT02379078.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,056
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,311
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,056
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,117
Tête enseignante GPT0,474
Écart entre enseignants0,357 · 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 tête enseignante, pas un consensus.

Devis d'étudeEssai randomisé
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

Citations42
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Internet ResearchMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207