MétaCan
Menu
Retour à la cohorte
Enregistrement W4303650551 · doi:10.1186/s12911-022-02007-0

Understanding how and under what circumstances decision coaching works for people making healthcare decisions: a realist review

2022· review· en· W4303650551 sur OpenAlexafffund
Junqiang Zhao, Janet Jull, Jeanette Finderup, Maureen Smith, Simone Kienlin, Anne Christin Rahn, Sandra Dunn, Yumi Aoki, Leanne Brown, Gill Harvey, Dawn Stacey

Notice bibliographique

RevueBMC Medical Informatics and Decision Making · 2022
Typereview
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensNewborn Screening OntarioCochraneOttawa HospitalChildren's Hospital of Eastern OntarioQueen's UniversityUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCoachingHealth careContext (archaeology)PsychologyPsychological interventionKnowledge managementStakeholderDecision aidsDecision support systemR-CASTBusiness decision mappingMedicineMedical educationNursingComputer sciencePublic relationsAlternative medicineArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Decision coaching is non-directive support delivered by a trained healthcare provider to help people prepare to actively participate in making healthcare decisions. This study aimed to understand how and under what circumstances decision coaching works for people making healthcare decisions. METHODS: We followed the realist review methodology for this study. This study was built on a Cochrane systematic review of the effectiveness of decision coaching interventions for people facing healthcare decisions. It involved six iterative steps: (1) develop the initial program theory; (2) search for evidence; (3) select, appraise, and prioritize studies; (4) extract and organize data; (5) synthesize evidence; and (6) consult stakeholders and draw conclusions. RESULTS: We developed an initial program theory based on decision coaching theories and stakeholder feedback. Of the 2594 citations screened, we prioritized 27 papers for synthesis based on their relevance rating. To refine the program theory, we identified 12 context-mechanism-outcome (CMO) configurations. Essential mechanisms for decision coaching to be initiated include decision coaches', patients', and clinicians' commitments to patients' involvement in decision making and decision coaches' knowledge and skills (four CMOs). CMOs during decision coaching are related to the patient (i.e., willing to confide, perceiving their decisional needs are recognized, acquiring knowledge, feeling supported), and the patient-decision coach interaction (i.e., exchanging information, sharing a common understanding of patient's values) (five CMOs). After decision coaching, the patient's progress in making or implementing a values-based preferred decision can be facilitated by the decision coach's advocacy for the patient, and the patient's deliberation upon options (two CMOs). Leadership support enables decision coaches to have access to essential resources to fulfill their role (one CMOs). DISCUSSION: In the refined program theory, decision coaching works when there is strong leadership support and commitment from decision coaches, clinicians, and patients. Decision coaches need to be capable in coaching, encourage patients' participation, build a trusting relationship with patients, and act as a liaison between patients and clinicians to facilitate patients' progress in making or implementing an informed values-based preferred option. More empirical studies, especially qualitative and process evaluation studies, are needed to further refine the program theory.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,892
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,000
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,623
Tête enseignante GPT0,525
Écart entre enseignants0,098 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Medical Informatics and Decision MakingMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207