DBS-Edmonton App, a Tool to Manage Patient Expectations of DBS in Parkinson Disease
Notice bibliographique
Résumé
OBJECTIVE: After deep brain stimulation (DBS) for Parkinson disease (PD), patients often do not report the level of satisfaction anticipated. This misalignment can relate to patients' expectations for an invasive treatment and insufficient knowledge of DBS's effectiveness in relieving motor and nonmotor symptoms (NMS). Patient satisfaction depends on expectations and goals for treatment. We hypothesized that improving patient education with a patient-centered shared decision-making tool emphasizing autonomy would improve patient satisfaction and clinical outcome. METHODS: We developed a computer application (DBS-Edmonton app), allowing patients with PD to input their symptoms and to learn how effective DBS addresses their prioritized symptoms. Sixty-two volunteers referred for DBS used the DBS-Edmonton app. DBS-related knowledge and patient perceptions of the DBS-Edmonton app were assessed with pre- and post-use questionnaires. Fourteen of 24 patients who proceeded to DBS achieved optimization at 6 months. Perceived functional improvement was assessed and compared with 12 control patients with DBS who did not use the DBS-Edmonton app. RESULTS: = 0.014). CONCLUSION: This interventional study showed that the DBS-Edmonton app improved DBS-related knowledge and patient satisfaction, independent of the objective motor outcome. It may assist patients in deciding to proceed to DBS and can be easily incorporated into practice to improve patient satisfaction post-DBS.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».