One report, multiple aims: orthopedic surgeons vary how they use patient-reported outcomes with patients
Notice bibliographique
Résumé
PURPOSE: We conducted semi-structured qualitative interviews with surgeons to assess their goals for incorporating a patient-reported outcome measure (PROM)-based shared decision report into discussions around surgical and non-surgical treatment options for osteoarthritis of the knee and hip. METHODS: Surgeons actively enrolling patients into a study incorporating a standardized PROM-based shared decision report were invited to participate in a semi-structured interview lasting 30 min. Open-ended questions explored how the surgeon used report content, features that were helpful, confusing, or could be improved, and how use of the report fit into the surgeon's workflow. We used a conventional content analysis approach. RESULTS: Of the 16 eligible surgeons, 11 agreed to participate with 9 completing the interview and 2 withdrawing due to work demands. We identified 8 themes related to PROM-based report use: Acceptability, Patient Characteristics, Communication Goals, Useful Content, Not Useful Content, Challenges, Training Needs, and Recommended Improvements. Additional sub-themes emerged for Communication Goals (7) and Challenges (8). All surgeons shared positive feedback about using the report as part of clinical care. Whereas surgeons described the use of the report to achieve different goals, the most common uses related to setting expectations for post-surgical outcomes (89%) and educating patients (100%). CONCLUSION: Surgeons tailor their use of a PROM-based report with individual patients to achieve a range of aims. This study suggests multiple opportunities to further our understanding of the ways PROMs can be used in clinical practice. The way PROM information is visually displayed and multi-component reports are assembled can facilitate diverse aims.
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 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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».