Decision making under uncertainty in the diagnosis and management of Alzheimer's Disease in primary care: A study protocol applying concepts from neuroeconomics
Notice bibliographique
Résumé
Background: The current management of patients with Dementia, primarily with Alzheimer's Disease (AD) is rapidly evolving. However, limited information is available about the current gaps and decision-making in primary care. Objectives: To evaluate factors associated with gaps, risk preferences regarding diagnostic and therapeutic choices in the management of patients with AD by primary care physicians (PCP) from across Canada. Methods: We propose a non-interventional, cross-sectional pilot study involving 120 primary care physicians referred from the College of Family Physicians of Canada to assess diagnostic and therapeutic decisions in the management of ten simulated AD-related case-scenarios commonly encountered in clinical practice. We initially describe the current landscape and gaps regarding diagnostic and therapeutic challenges in the management of patients with AD in primary care. Then, we provide concepts from behavioral economics and neuroeconomics applied to medical decision-making. Specifically, we include standardized tests to measure risk aversion, physicians' reactions to uncertainty, and questions related to risk preferences in different domains. Finally, we summarize the protocol to be implemented to address our goals. The primary study outcome is the proportion of participants that elect to defer initial investigations to the specialist and the associated factors. Secondary outcomes include the proportion of PCP willing to order cerebral spinal fluid studies, PET scans, or initiate treatment according to the simulated case-scenarios. The study will be conducted in English and French. Conclusions: The study findings will contribute a better understanding of relevant factors associated with diagnostic and therapeutic decisions of PCP in the management of AD, identifying participant's preferences and evaluating the role of behavioral aspects such tolerance to uncertainty, aversion to ambiguity, and therapeutic inertia.
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 | 0,034 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,003 |
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 ».