Exploring approaches to identify, incorporate and report patient preferences in clinical guidelines: Qualitative interviews with guideline developers
Notice bibliographique
Résumé
BACKGROUND: Clinical guidelines informed by patient preferences are more likely to be used and widely advocated, yet research shows that few guidelines reflect patient preferences. OBJECTIVE: Explore how developers generate guidelines informed by patient preferences. PATIENT INVOLVEMENT: Seventeen patients were involved as interview participants. METHODS: Using a basic descriptive approach, we conducted and analyzed semi-structured telephone interviews with 50 participants who were involved in developing guidelines on various topics. The sample included 17 patients, 16 clinicians and 17 managers from a total of 7 countries. RESULTS: Participants used one or more approaches to identify preferences, patient panelists, focus groups, surveys and review of published research, despite acknowledging they identified similar preferences. Participants said they incorporated preferences in all guideline development steps, but provided little detail of specific processes. Few participants said their guidelines explicitly reported how patients were engaged, preferences identified, or how preferences influenced development processes or the guideline. Enablers were patient and clinician training, supportive coordinators and chairs, involving experienced patients, and assistance from qualitative and review experts. Barriers were finding and preparing patients, clinician skepticism about benefits, and token patient involvement. Participants recommended research on how to generate preference-informed guidelines. DISCUSSION: Ideal approaches to identify, incorporate and report patient preferences in guidelines are unclear and unproven. PRACTICAL VALUE: Findings revealed specific ways that developers can enhance their processes (e.g. patient training, supportive coordinators and chairs, involve experts in qualitative researcher and systematic reviews) and key issues that warrant ongoing research (e.g. how best to incorporate and report preferences).
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 | 0,087 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,013 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».