Including the patient in patient blood management: Development and assessment of an educational animation tool
Notice bibliographique
Résumé
BACKGROUND: Patient blood management (PBM) programs are effective at reducing transfusion-associated mortality and morbidity; however, patient engagement within the realm of PBM remains relatively unstudied. Our objectives were to develop a novel educational tool utilizing animation to educate preoperative patients about anemia and to evaluate the effectiveness of this intervention. STUDY DESIGN AND METHODS: We created a patient-facing animation for preoperative surgical patients. The animation addressed characters' health journeys from diagnosis to treatment, addressing the role of PBM. We utilized the concept of patient activation as a means to empower patients, and developed the animation to be as accessible as possible. Post-viewing, patients provided feedback utilizing an electronic survey. RESULTS: A final version of the animation can be found here: https://vimeo.com/495857315. A total of 51 participants viewed our animation, the majority of whom were planned to undergo joint replacement or cardiac surgery. Almost all (94%, N = 4) agreed that taking an active role in their health was the most important factor in determining their ability to function. The video was felt to be easy to understand (96%, N = 49), and 92% (N = 47) agreed that they had a better understanding of anemia and its treatment. After watching the animation, patients felt more certain that they could follow through with their PBM plan (98%, N = 50). DISCUSSION: To the best of our knowledge, there are no other PBM-specific patient education animations. Patients enjoyed learning about PBM though animation, and patient education may lead to better uptake of PBM interventions. We hope that other hospitals will be inspired to pursue this approach.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».