Document-Engineering Methodology in Health Care: An Innovative Behavioral Science–Based Approach to Improve Patient Empowerment
Notice bibliographique
Résumé
Engaging patients in their treatment and making them experts of their condition has been identified as a high priority across many medical disciplines. Patient empowerment claims to improve compliance, patient safety, and disease outcome. Patient empowerment may help the patient in shared decision making and in becoming an informed partner of the health care professional. We consider patient empowerment to be in jeopardy if written medical information for patients is too complex and confusing. We introduce document-engineering methodology (DEM) as a new tool for the health care industry. DEM tries to implement principles of cognitive science and neuroscience-based concepts of reading and comprehension. It follows the most recent document design techniques. DEM has been used in the aviation, mining, and oil industries. In these very industries, DEM was integrated to improve user performance, prevent harm, and increase safety. We postulate that DEM, applied to written documents in health care, will help patients to quickly navigate through complex written information and thereby enable them to better comprehend the essence of the medical information. DEM aims to empower the patient and help start an informed conversation with their health care professional. The ultimate goals of DEM are to increase adherence and compliance, leading to improved outcomes. Our approach is innovative, as we apply our learning from other industries to health care; we call this cross-industry innovation. In this manuscript, we provide illustrative examples of DEM in three frequent clinical scenarios: (1) explaining a complex diagnosis for the first time, (2) understanding medical leaflet information, and (3) exploring cannabis-based medicine. There is an urgent need to test DEM in larger clinical cohorts and for careful proof-of-concept studies, regarding patient and stakeholder engagement, to be conducted.
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 | 0,030 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».