Decisional Needs and Patient Treatment Preferences for Heart Failure Medications: A Scoping Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Pharmacologic management of heart failure with reduced ejection fraction (HFrEF) involves several medications. Decision aids informed by patient decisional needs and treatment preferences could assist in making HFrEF medication choices; however, these are largely unknown. Methods: We searched MEDLINE, Embase, and the Cumulative Index to Nursing and Allied Health Literature (CINAHL), without language restriction, for qualitative, quantitative, and mixed-method studies that included patients with HFrEF or clinicians providing HFrEF care, and reported data on decisional needs or treatment preferences applicable to HFrEF medications. We classified decisional needs using a modified version of the Ottawa Decision Support Framework (ODSF). Results: From 3996 records, we included 16 reports describing 13 studies (n = 854). No study explicitly assessed ODSF decisional needs; however, 11 studies reported ODSF-classifiable data. Patients commonly reported having inadequate knowledge or information, and difficult decisional roles. No study systematically assessed treatment preferences, but 6 studies reported on attribute preferences. Reducing mortality and improving symptoms frequently were ranked as being important, whereas cost importance rankings varied, and adverse events generally were ranked as being less important. Conclusion: This scoping review identified key decisional needs regarding HFrEF medications, notably inadequate knowledge or information, and difficult decisional roles, which can readily be addressed by decision aids. Future studies should systematically explore the full scope of ODSF-based decisional needs in patients with HFrEF, along with relative preferences among treatment attributes to further inform development of individualized decision aids.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle