MétaCan
Menu
Retour à la cohorte
Enregistrement W3191959881 · doi:10.1016/j.rmed.2021.106568

A patient decision aid for mild asthma: Navigating a new asthma treatment paradigm

2021· article· en· W3191959881 sur OpenAlexafffund
Myriam Gagné, Jeffrey Lam Shin Cheung, Andrew Kouri, J. Mark FitzGerald, Paul M. O’Byrne, Louis‐Philippe Boulet, Allan Grill, Samir Gupta

Notice bibliographique

RevueRespiratory Medicine · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueAsthma and respiratory diseases
Établissements canadiensUniversity of TorontoUniversité LavalMcMaster UniversityInstitut universitaire de cardiologie et de pneumologie de QuébecVancouver Coastal HealthVancouver Coastal Health Research InstituteUniversity of British ColumbiaSt. Joseph’s Healthcare HamiltonSt. Michael's Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineDecision aidsConversationAsthmaFocus groupPatient satisfactionPatient educationSummative assessmentFamily medicineNursingFormative assessmentAlternative medicinePsychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: In mild asthma, as-needed budesonide-formoterol offers similar protection from severe exacerbations as daily inhaled corticosteroids (ICS), with lower ICS exposure but slightly increased symptoms. We sought to develop an electronic decision aid to guide discussions about the pros and cons of these first-line options, while identifying and integrating user preferences. METHODS: Following International Patient Decision Aid Standards, we created a mild asthma decision aid prototype comparing convenience, clinical outcomes, cumulative ICS dose exposure, costs, and side-effects of each option. After face validation, the prototype was iteratively adapted through rapid-cycle development. Each cycle consisted of a patient focus group and a primary care physician interview. We made user preference-based improvements after each round, until reaching a pre-set stopping criterion (no new critical issues identified). We then performed a summative qualitative content analysis. RESULTS: Over 5 cycles, we recruited 21 asthma patients (12/21 women, 10/21 ≥ 60 years old) and 5 physicians. Serial changes included simplification and reduction of text and reading level, inclusion of an ICS "myths" section and elaboration of patient-friendly infographics for numerical comparisons. User preferences fell within Content, Format, and tool use Process themes. In response to decision-making preferences, we created a complementary one-page conversation aid for patient-provider use at the point-of-care. CONCLUSIONS: We present preference-based electronic patient decision and conversation aids for treatment of mild asthma. Our user preference analyses offer useful insights for development of such tools in other chronic diseases. These tools now require integration into point-of-care workflows for measurement of real-world uptake and impact.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,033
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0090,007
Science ouverte0,0020,005
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0180,003

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,338
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2021
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueRespiratory MedicineMême sujetAsthma and respiratory diseasesTravaux en français237 207