Therapeutic decisions under uncertainty for spinal muscular atrophy: The DECISIONS-SMA study protocol
Notice bibliographique
Résumé
BACKGROUND: The therapeutic landscape for spinal muscular atrophy has changed in the last few years, encompassing respiratory/motor function and life expectancy benefits. However, physicians still have the challenge of tailoring individuals' treatment to therapeutic goals, disease progression, patient/caregiver's preferences, and personal experience to achieve an optimal risk/benefit balance. This study aims to provide insight into the preferred treatment choices of pediatric neurologists managing spinal muscular atrophy in their daily practice and to recognize behavioral factors that may influence decision-making. METHODS: This is a noninterventional, cross-sectional pilot study involving 50 pediatric neurologists managing spinal muscular atrophy in Spain. We designed an online platform that contains 13 simulated case scenarios of common presentations of patients with spinal muscular atrophy. The primary study outcome will be treatment preferences according to the percentages of participants who select treatment initiation when recommended, switch therapies when there is evidence of disease progression, and select treatment discontinuation when disease progression puts patients outside treatment recommendation (11 case scenarios). Secondary outcomes include therapeutic inertia prevalence (11 case scenarios), herding phenomenon prevalence (2 case scenarios), care-related regret prevalence (specific questions) and intensity (10-item Regret Intensity Scale), occupational burnout prevalence (nonproprietary single-item measure), and risk preferences (uncertainty test and risk aversion assessment). CONCLUSIONS: The study findings will contribute to better understand relevant factors associated with therapeutic decisions of pediatric neurologists in spinal muscular atrophy, identifying treatment preferences and evaluating the role of behavioral aspects such as therapeutic inertia, herding, regret, and workplace burnout.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,005 |
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 ».