Making sense of diabetes medication decisions: a mixed methods cluster randomized trial using a conversation aid intervention
Notice bibliographique
Résumé
PURPOSE: To determine the effectiveness of a shared decision-making (SDM) tool versus guideline-informed usual care in translating evidence into primary care, and to explore how use of the tool changed patient perspectives about diabetes medication decision making. METHODS: In this mixed methods multicenter cluster randomized trial, we included patients with type 2 diabetes mellitus and their primary care clinicians. We compared usual care with or without a within-encounter SDM conversation aid. We assessed participant-reported decisions made and quality of SDM (knowledge, satisfaction, and decisional conflict), clinical outcomes, adherence, and observer-based patient involvement in decision-making (OPTION12-scale). We used semi-structured interviews with patients to understand their perspectives. RESULTS: We enrolled 350 patients and 99 clinicians from 20 practices and interviewed 26 patients. Use of the conversation aid increased post-encounter patient knowledge (correct answers, 52% vs. 45%, p = 0.02) and clinician involvement of patients (Mean between-arm difference in OPTION12, 7.3 (95% CI 3, 12); p = 0.003). There were no between-arm differences in treatment choice, patient or clinician satisfaction, encounter length, medication adherence, or glycemic control. Qualitative analyses highlighted differences in how clinicians involved patients in decision making, with intervention patients noting how clinicians guided them through conversations using factors important to them. CONCLUSIONS: Using an SDM conversation aid improved patient knowledge and involvement in SDM without impacting treatment choice, encounter length, medication adherence or improved diabetes control in patients with type 2 diabetes. Future interventions may need to focus specifically on patients with signs of poor treatment fit. CLINICAL TRIAL REGISTRATION: ClinicalTrial.gov: NCT01502891.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».