Qualitative Evaluation of a Novel Educational Tool to Communicate Individualized Hip Fracture Prognostic Information to Patients and Surrogates: My Hip Fracture (My-HF)
Notice bibliographique
Résumé
INTRODUCTION: (My-HF), to provide patients and SDMs of patients hospitalized with acute HF individualized estimates of their post-HF prognosis. We conducted initial usability testing of My-HF in a sample of patients with HF and SDMs. MATERIALS AND METHODS: My-HF provides information about: 1) anatomy and risk factors for HF; 2) Hip fracture treatment received; 3) individualized predicted risk of adverse events and 4) anticipated discharge trajectory. We conducted a qualitative usability study using a convenience sample of hospitalized, post-operative patients with acute HF or SDMs of patients who lacked decision-making capacity. We used semi-structured interviews to obtain feedback. Thematic analysis was used to identify themes and concepts. RESULTS: We conducted interviews with 8 patients and 9 SDMs (mean age of interviewees 70.1 years, 41% female). My-HF was generally well received. Thematic analysis identified legibility and visual appeal, comprehension, numeracy, utility and reflection as prominent themes. Most respondents found My-HF to be useful in improving their understanding of HF and as a potential mechanism for sharing information with other care team members (including family and professionals). Suggestions for improvement of legibility, presentation of the individualized prognosis information and content were identified. DISCUSSION: Patients and SDMs are generally accepting of My-HF and found it useful for communicating individualized prognostic information. Feedback identified areas for improvement for future iterations of the tool. CONCLUSION: My-HF presents a means of addressing the gap in understanding of prognosis post-HF as a part of patient-centered care. Further evaluation will be needed to assess the impact of My-HF on patient and SDM reported outcomes as we transition from a paper to smart-phone enabled web application.
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 | 0,023 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».