DBS-Edmonton App, a Tool to Manage Patient Expectations of DBS in Parkinson Disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,012 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle