Qualitative Analysis of Patient Decisional Needs for Medications to Treat Heart Failure
Notice bibliographique
Résumé
BACKGROUND: The development of tools to support shared decision-making should be informed by patients' decisional needs and treatment preferences, which are largely unknown for heart failure (HF) with reduced ejection fraction (HFrEF) pharmacotherapy decisions. We aimed to identify patients' decisional needs when considering HFrEF medication options. METHODS: This was a qualitative study using semi-structured interviews. We recruited patients with HFrEF from 2 Canadian ambulatory HF clinics and clinicians from Canadian HF guideline panels, HF clinics, and Canadian HF Society membership. We identified themes through inductive thematic analysis. RESULTS: Participants included 15 patients and 12 clinicians. Six themes and associated subthemes emerged related to HFrEF pharmacotherapy decision-making: (1) patient decisional needs included lack of awareness of a choice or options, difficult decision timing and stage, information overload, and inadequate motivation, support and resources; (2) patients' decisional conflict varied substantially, driven by unclear trade-offs; (3) treatment attribute preferences-patients focused on both benefits and downsides of treatment, whereas clinicians centered discussion on benefits; (4) quality of life-patients' definition of quality of life depended on pre-HF activity, though most patients demonstrated adaptability in adjusting their daily activities to manage HF; (5) shared decision-making process-clinicians' described a process more akin to informed consent; (6) decision support-multimedia decision aids, virtual appointments, and primary-care comanagement emerged as potential enablers of shared decision-making. CONCLUSIONS: Patients with HFrEF have several decisional needs, which are consistent with those that may respond to decision aids. These findings can inform the development of HFrEF pharmacotherapy decision aids to address these decisional needs and facilitate shared decision-making.
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 | 0,022 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,008 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».