Assessing and promoting partnership between patients and health‐care professionals: Co‐construction of the CADICEE tool for patients and their relatives
Notice bibliographique
Résumé
CONTEXT: Partnership between patients and health-care professionals (HCPs) is a concept that needs a valid, practical measure to facilitate its use by patients and HCPs. OBJECTIVE: To co-construct a tool for measuring the degree of partnership between patients and HCPs. DESIGN: The CADICEE tool was developed in four steps: (1) generate key dimensions of patient partnership in clinical care; (2) co-construct the tool; (3) assess face and content validity from patients' and HCPs' viewpoints; and (4) assess the usability of the tool and explore its measurement performance. RESULTS: The CADICEE tool comprises 24 items under 7 dimensions: 1) relationship of Confidence or trust between the patient and the HCPs; 2) patient Autonomy; 3) patient participation in Decisions related to care; 4) shared Information on patient health status or care; 5) patient personal Context; 6) Empathy; and 7) recognition of Expertise. Assessment of the tool's usability and measurement performance showed, in a convenience sample of 246 patients and relatives, high face validity, acceptability and relevance for both patients and HCPs, as well as good construct validity. CONCLUSIONS: The CADICEE tool is developed in co-construction with patients to evaluate the degree of partnership in care desired by patients in their relationship with HCPs. The tool can be used in various clinical contexts and in different health-care settings. PATIENT OR PUBLIC CONTRIBUTION: Patients were involved in determining the importance of constructing this questionnaire. They co-constructed it, pre-tested it and were part of the entire questionnaire development process. Three patients participated in the writing of the article.
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 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 | 0,000 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».