Quality of patient decision aids to support the public making COVID-19 decisions: An online environmental scan
Notice bibliographique
Résumé
OBJECTIVE: To identify and appraise the quality of COVID-19 patient decision aids (PtDAs). METHODS: We conducted an environmental scan of online publicly available COVID-19 PtDAs. Two reviewers independently searched and extracted data. We calculated median International Patient Decision Aid Standards (IPDAS) scores and proportion scoring > 70% on Patient Education Materials Information Tool (PEMAT) adequate for understandability and actionability. RESULTS: Of 876 resources identified, 12 were PtDAs. Decisions focused on initial COVID-19 vaccination series (n = 9), location of care for elderly (n = 2), and social distancing (n = 1). All 12 PtDAs were written materials and two had accompanying videos. The median IPDAS score minimizing risk of biased decisions was 4 of 6 items (IQR 1, range 2-4). For PEMAT, 92% had adequate for understandability and none for actionability. CONCLUSIONS: We identified few online publicly available COVID-19 PtDAs and none were about COVID-19 vaccination boosters or treatment. PtDAs scored poorly on actionability and none met all IPDAS criteria for minimizing risk of biased decisions. PRACTICE IMPLICATIONS: PtDA developers for COVID-19 and future pandemics should ensure their PtDAs meet all IPDAS criteria for minimizing risk of bias, have adequate scores for actionability, and are disseminated in the A to Z inventory.
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 | 0,120 | 0,467 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,015 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».