Infographic summaries for clinical practice guidelines: results from user testing of the BMJ Rapid Recommendations in primary care
Notice bibliographique
Résumé
OBJECTIVES: Infographics have the potential to enhance knowledge translation and implementation of clinical practice guidelines at the point of care. They can provide a synoptic view of recommendations, their rationale and supporting evidence. They should be understandable and easy to use. Little evaluation of these infographics regarding user experience has taken place. We explored general practitioners' experiences with five selected BMJ Rapid Recommendation infographics suited for primary care. METHODS: An iterative, qualitative user testing design was applied on two consecutive groups of 10 general practitioners for five selected infographics. The physicians used the infographics before clinical encounters and we performed hybrid think-aloud interviews afterwards. 20 interviews were analysed using the Qualitative Analysis Guide of Leuven. RESULTS: Many clinicians reported that the infographics were simple and rewarding to use, time-efficient and easy to understand. They were perceived as innovative and their knowledge basis as trustworthy and supportive for decision-making. The interactive, expandable format was preferred over a static version as general practitioners focused mainly on the core message. Rapid access through the electronic health record was highly desirable. The main issues were about the use of complex scales and terminology. Understanding terminology related to evidence appraisal as well as the interpretation of statistics and unfamiliar scales remained difficult, despite the infographics. CONCLUSIONS: General practitioners perceive infographics as useful tools for guideline translation and implementation in primary care. They offer information in an enjoyable and user friendly format and are used mainly for rapid, tailored and just in time information retrieval. We recommend future infographic producers to provide information as concise as possible, carefully define the core message and explore ways to enhance the understandability of statistics and difficult concepts related to evidence appraisal. TRIAL REGISTRATION NUMBER: MP011977.
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 | 0,013 | 0,383 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».