Patients’ Information Needs Related to a Monitoring Implant for Heart Failure: Co-designed Study Based on Affect Stories
Notice bibliographique
Résumé
BACKGROUND: RealWorld4Clinic is a European consortium that is currently developing an implantable monitoring device for acute heart failure prevention. OBJECTIVE: This study aimed to identify the main issues and information needs related to this new cardiac implant from the patients' perspective. METHODS: A total of 3 patient collaborators were recruited to help us design the study. During 4 remotely held meetings (each lasting for 2 hours), we defined the main questions and hypotheses together. Next, 26 additional interviews were conducted remotely to test these hypotheses. During both phases, we used affect stories, which are life narratives focusing on affect and the relationship between patients and the care ecosystem, to highlight the main social issues that should be addressed by the research according to the patients. RESULTS: Context of diagnosis, age, and severity of illness strongly influence patient experience. However, these variables do not seem to influence the choice regarding being implanted, which relies mostly on the individual patient's trust in their physicians. It seems that the major cause of anxiety for the patient is not the implant but the disease itself, although some people may initially be concerned over the idea of becoming a cyborg. Remote monitoring of cardiac implants should draw on existing remote disease management programs focusing on a long-term relationship between the patient and their medical team. CONCLUSIONS: Co-design with affect stories is a useful method for quickly identifying the main social issues related to information about a new health technology.
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 | 0,009 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».