Preliminary testing of a patient decision aid for patients with relapsing-remitting multiple sclerosis
Notice bibliographique
Résumé
Background Multiple first-line disease modifying therapies (DMTs) are available for relapsing-remitting multiple sclerosis (RRMS), each with different characteristics. We developed an interactive patient decision aid (PtDA) to promote informed shared decision-making (SDM). Objective To test the preliminary effectiveness of the PtDA in participants with RRMS. Methods Knowledge, and decisional conflict were measured pre- and post- implementation of the PtDA, SDM after the consultation, and 6-month treatment patterns were observed. Differences in scores were analyzed using descriptive statistics and paired t-tests. Qualitative interviews with patients and neurologists were analyzed using thematic analysis. Results 52 participants were recruited: most were female (81%), 40 years of age or younger (62%), and had experienced MS for less than 5 years (56%). After participants used the PtDA, there was a significant improvement in decisional conflict (change = 1.00; p < 0.001) and knowledge (change = 2.15, p < 0.001). Nearly all patients wanted SDM, and 25 (56%) reported this occurred in their consult. Qualitative results suggested the PtDA supported both patients and neurologists in making decisions. Conclusion This pilot study suggests that PtDA use helps RRMS patients and their clinician select a DMT. Future studies will assess the feasibility of implementation and the impact of the PtDA on timely DMT initiation and longer-term adherence.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».