Improving Patient-Centered Communication about Sudden Unexpected Death in Epilepsy through Computerized Clinical Decision Support
Notice bibliographique
Résumé
Abstract Background Sudden unexpected death in epilepsy (SUDEP) is a rare but fatal risk that patients, parents, and professional societies clearly recommend discussing with patients and families. However, this conversation does not routinely happen. Objectives This pilot study aimed to demonstrate whether computerized decision support could increase patient communication about SUDEP. Methods A prospective before-and-after study of the effect of computerized decision support on delivery of SUDEP counseling. The intervention was a screening, alerting, education, and follow-up SUDEP module for an existing computerized decision support system (the Child Health Improvement through Computer Automation [CHICA]) in five urban pediatric primary care clinics. Families of children with epilepsy were contacted by telephone before and after implementation to assess if the clinician discussed SUDEP at their respective encounters. Results The CHICA–SUDEP module screened 7,154 children age 0 to 21 years for seizures over 7 months; 108 (1.5%) reported epilepsy. We interviewed 101 families after primary care encounters (75 before and 26 after implementation) over 9 months. After starting CHICA–SUDEP, the number of caregivers who reported discussing SUDEP with their child's clinician more than doubled from 21% (16/75) to 46% (12/26; p = 0.03), and when the parent recalled who brought up the topic, 80% of the time it was the clinician. The differences between timing and sampling methodologies of before and after intervention cohorts could have led to potential sampling and recall bias. Conclusion Clinician–family discussions about SUDEP significantly increased in pediatric primary care clinics after introducing a systematic, computerized screening and decision support module. These tools demonstrate potential for increasing patient-centered education about SUDEP, as well as incorporating other guideline-recommended algorithms into primary and subspecialty cares. Clinical Trial Registration clinicaltrials.gov, NCT03502759.
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 | 0,005 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».