Do Personal Stories Make Patient Decision Aids More Effective? An Update from the International Patient Decision Aids Standards
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
BACKGROUND: This article evaluates the evidence for the inclusion of patient narratives in patient decision aids (PtDAs). We define patient narratives as stories, testimonials, or anecdotes that provide illustrative examples of the experiences of others that are relevant to the decision at hand. METHOD: To evaluate the evidence for the effectiveness of narratives in PtDAs, we conducted a narrative scoping review of the literature from January 2013 through June 2019 to identify relevant literature published since the last International Patient Decision Aid Standards (IPDAS) update in 2013. We considered research articles that examined the impact of narratives on relevant outcomes or described relevant theoretical mechanisms. RESULTS: The majority of the empirical work on narratives did not measure concepts that are typically found in the PtDA literature (e.g., decisional conflict). Yet, a few themes emerged from our review that can be applied to the PtDA context, including the impact of narratives on relevant outcomes (knowledge, behavior change, and psychological constructs), as well as several theoretical mechanisms about how and why narratives work that can be applied to the PtDA context. CONCLUSION: Based on this evidence update, we suggest that there may be situations when narratives could enhance the effectiveness of PtDAs. The recent theoretical work on narratives has underscored the fact that narratives are a multifaceted construct and should no longer be considered a binary option (include narratives or not). However, the bottom line is that the evidence does not support a recommendation for narratives to be a necessary component of PtDAs.
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 | 0,003 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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