Assessment of a venous thromboembolism prophylaxis shared decision-making intervention (DASH-TOP) using the decisional conflict scale: a mixed-method study
Notice bibliographique
Résumé
BACKGROUND: Venous thromboembolism (VTE) in pregnancy is a major cause of maternal morbidity and death. The use of low-molecular-weight heparin (LMWH), despite being the standard of care to prevent VTE, comes with some challenges. Shared decision-making (SDM) interventions are recommended to support patients and clinicians in making preference-sensitive decisions. The quality of the SDM process has been widely assessed with the decisional conflict scale (DCS). Our aim is to report participants' perspectives of each of the components of an SDM intervention (DASH-TOP) in relation to the different subscales of the DCS. METHODS: Design: A convergent, parallel, mixed-methods design. PARTICIPANTS: The sample consisted of 22 health care professionals, students of an Applied Clinical Research in Health Sciences (ICACS) master program. INTERVENTION: We randomly divided the participants in three groups: Group 1 received one component (evidence -based information), Group 2 received two components (first component and value elicitation exercises), and Group 3 received all three components (the first two and a decision analysis recommendation) of the SDM intervention. ANALYSIS: For the quantitative strand, we used a non-parametric test to analyze the differences in the DCS subscales between the three groups. For the qualitative strand, we conducted a content analysis using the decisional conflict domains to deductively categorize the responses. RESULTS: Groups that received more intervention components experienced less conflict and better decision-making quality, although the differences between groups were not statistically significant. The decision analysis recommendation improved the efficacy with the decision-making process, however there are some challenges when implementing it in clinical practice. The uncertainty subscale showed a high decisional conflict for all three groups; contributing factors included low certainty of the evidence-based information provided and a perceived small effect of the drug to reduce the risk of a VTE event. CONCLUSIONS: The DASH-TOP intervention reduced decisional conflict in the decision -making process, with decision analysis being the most effective component to improve the quality of the decision. There is a need for more implementation research to improve the delivery of SDM interventions in the clinical encounter.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».