Patient decision support interventions for candidates considering elective surgeries: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: The increase in elective surgeries and varied postoperative patient outcomes has boosted the use of patient decision support interventions (PDSIs). However, evidence on the effectiveness of PDSIs are not updated. This systematic review aims to summarize the effects of PDSIs for surgical candidates considering elective surgeries and to identify their moderators with an emphasis on the type of targeted surgery. DESIGN: Systematic review and meta-analysis. METHODS: We searched eight electronic databases for randomized controlled trials evaluating PDSIs among elective surgical candidates. We documented the effects on invasive treatment choice, decision-making-related outcomes, patient-reported outcomes, and healthcare resource use. The Cochrane Risk of Bias Tool version 2 and Grading of Recommendations, Assessment, Development, and Evaluations were adopted to rate the risk of bias of individual trials and certainty of evidence, respectively. STATA 16 software was used to conduct the meta-analysis. RESULTS: Fifty-eight trials comprising 14 981 adults from 11 countries were included. Overall, PDSIs had no effect on invasive treatment choice (risk ratio=0.97; 95% CI: 0.90, 1.04), consultation time (mean difference=0.04 min; 95% CI: -0.17, 0.24), or patient-reported outcomes, but had a beneficial effect on decisional conflict (Hedges' g =-0.29; 95% CI: -0.41, -0.16), disease and treatment knowledge (Hedges' g =0.32; 95% CI: 0.15, 0.49), decision-making preparedness (Hedges' g =0.22; 95% CI: 0.09, 0.34), and decision quality (risk ratio=1.98; 95% CI: 1.15, 3.39). Treatment choice varied with surgery type and self-guided PDSIs had a greater effect on disease and treatment knowledge enhancement than clinician-delivered PDSIs. CONCLUSIONS: This review has demonstrated that PDSIs targeting individuals considering elective surgeries had benefited their decision-making by reducing decisional conflict and increasing disease and treatment knowledge, decision-making preparedness, and decision quality. These findings may be used to guide the development and evaluation of new PDSIs for elective surgical care.
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 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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,007 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».