Interactive Data Visualization Tool for Patient-Centered Decision Making in Kidney Cancer
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
PURPOSE Patients and providers often lack clinical decision tools to enable effective shared decision making. This is especially true in the rapidly changing therapeutic landscape of metastatic kidney cancer. Using the International Metastatic Renal Cell Carcinoma Database Consortium (IMDC) criteria, a validated risk prediction tool for patients with metastatic renal cell carcinoma, we created and user-tested a novel interactive visualization for clinical use. METHODS An interactive visualization depicting IMDC criteria was created, with the final version including data for more than 4,500 patients. Usability testing was performed with nonmedical lay-users and medical oncology fellow physicians. Subjects used the tool to calculate median survival times based on IMDC criteria. User confidence was surveyed. An iterative user feedback implementation cycle was completed and informed revision of the tool. RESULTS The tool is available at CloViz—IMDC. Initially, 400 lay-users and 15 physicians completed clinical scenarios and surveys. Cumulative accuracy across scenarios was higher for physicians than lay-users (84% v 74%; P = .03). Eighty-three percent of lay-users and 87% of physicians thought the tool became intuitive with use. Sixty-eight percent of lay-users wanted to use the tool clinically compared with 87% of physicians. After revisions, the updated tool was user-tested with 100 lay-users and 15 physicians. Physicians, but not lay-users, showed significant improvement in accuracy in the updated version of the tool (90% v 67%; P = .008). Seventy-two percent of lay-users and 93% of physicians wanted to use the updated tool in a clinical setting. CONCLUSION A graphical method of interacting with a validated nomogram provides prognosis results that can be used by nonmedical lay-users and physicians, and has the potential for expanded use across many clinical conditions.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle