Patient Learning Pathway: Identifying Patient Competencies in Teledermatology for Effective Management of Dermatological Conditions
Notice bibliographique
Résumé
BACKGROUND: Dermatology consultations in Québec, Canada, face accessibility challenges, with most dermatologists concentrated in urban areas. Teledermatology, offering remote diagnosis and treatment, holds promise in overcoming these limitations. However, concerns regarding patient-doctor relationships and logistical issues exist. OBJECTIVES: This article aims to introduce a dermatology patient learning pathway (PLP) developed by the Centre of Excellence on Partnership with Patients and the Public (CEPPP), focusing on knowledge, abilities, and skills mobilized by patients and their loved ones at key moments of the life course with an illness, as well as emerging educational needs. METHODS: The PLP development was co-developed with dermatology patient and caregiver partners, stakeholders, and the CEPPP team. The process encompassed stakeholder engagement, exploration, recruitment of patient and caregiver partners, co-development of the PLP draft, and validation through consensus building. RESULTS: The PLP methodology led to the creation of 44 learning objectives, comprising a total of 107 subobjectives. These objectives were organized into 8 phases of the patient life course with a dermatological condition: (1) prevention and predisposition; (2) discovery, self-examination, or observation of a change; (3) first consultation; (4) wandering; (5) consultation with a dermatologist; (6) diagnosis; (7) treatments; and (8) living with it. CONCLUSIONS: The dermatology PLP serves as a resource outlining patient competency across different stages of managing a dermatological condition throughout their life course. In the context of teledermatology, the PLP might facilitate patient and caregiver engagement by helping select appropriate information and tools to support active participation in 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 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 | 0,021 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».