MétaCan
Menu
Retour à la cohorte
Enregistrement W4309044101 · doi:10.3389/fdgth.2022.1016522

Decision-centered design of a clinical decision support system for acute management of pediatric congenital heart disease

2022· article· en· W4309044101 sur OpenAlexafffund
Azadeh Assadi, Peter C. Laussen, Gabrielle Freire, Marzyeh Ghassemi, Patricia Trbovich

Notice bibliographique

RevueFrontiers in Digital Health · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensNorth York General HospitalVector InstituteCanadian Institute for Advanced ResearchCanadian Heart Research CentreUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHospital for Sick Children
Mots-clésClinical decision support systemDecision support systemMedical diagnosisPsychological interventionSketchR-CASTDecision aidsDecision analysisIntervention (counseling)MedicineDiseaseComputer scienceKey (lock)Medical emergencyBusiness decision mappingRisk analysis (engineering)Intensive care medicineArtificial intelligencePathologyNursingAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Background and Objectives: Children with congenital heart disease (CHD), have fragile hemodynamics and can deteriorate due to common childhood illnesses and the natural progression of their disease. During these acute periods of deterioration, these children often present to their local emergency departments (ED) where expertise in CHD is limited, and appropriate intervention is crucial to their survival. Previous studies identified that determining the appropriate intervention for CHD patients can be difficult for ED physicians, particularly since key components of effective decision making are not being met. Although key components of effective decision making for ED physicians have been identified, they have yet to be transformed into actionable guidance. We used decision centered design (DCD) to translate key components of decision making into decision requirements and associated design concepts, that we subsequently incorporated into a prototype clinical decision support system (CDSS). Methods: Using framework analysis, transcripts from Critical Decision Method interviews of CHD experts and ED physicians were inductively coded to identify key decision requirements for ED physicians that are currently not well supported, and their associated design concepts. A design workshop was held to refine the identified key decision requirements and design concepts as well as to sketch information that would satisfy the identified requirements. These were iteratively incorporated into a prototype CDSS. Results: , were identified. These requirements along with design concepts and information needs identified through the design workshop were incorporated into the CDSS prototype. Conclusion: We identified key decision requirements and associated design concepts, that informed the design of a CDSS to provide actionable guidance for ED physicians when managing CHD patients. Meeting ED physicians' decision components with a CDSS requires the translation of their key decision requirements in its design. If not, we risk creating designs that interfere with clinician performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,024
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,087
Tête enseignante GPT0,455
Écart entre enseignants0,369 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Digital HealthMême sujetElectronic Health Records SystemsTravaux en français237 207