Exploring Patient Viewpoints to Optimize Implementation of a Biological Therapy for Atrial Fibrillation Prevention
Notice bibliographique
Résumé
Background: Embracing patient viewpoints can enhance the translation of novel therapeutics to clinical settings. This study evaluated the acceptability of using extracellular vesicles (EVs) as a biological therapy for preventing postoperative atrial fibrillation (AF), through engagement with patients, providing insights into their attitudes and information needs. Methods: Patients participated in prerecorded presentations, virtual focus groups, and surveys to assess their perspectives on EV therapy and determine the factors influencing their acceptance of the intervention. Results: Participants with postoperative AF experienced prolonged intensive care unit and hospital stays, compared to those of patients with normal heart rhythm. Prior to the presentation, a number of participants were unfamiliar with postoperative AF and biological therapies. However, postpresentation and post-focus group activities resulted in enhanced understanding of the research, with high levels of comprehension reported by all participants. The level of acceptance of EV therapy tended to increase, with a majority expressing willingness to participate in clinical trials and accept the therapy. The focus groups identified and addressed common questions regarding the potential risks and side effects of EVs, their source, dosing, utility for patients with preexisting AF, and the risk of human immunodeficiency virus (HIV) contraction or allergic reactions. Conclusions: The study highlights the importance of providing education, involving the patient's circle of care, and addressing patient concerns, to promote acceptance of therapies such as EV therapy for postoperative AF. Clinical Trial Registration: NCT05032495.
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 ».