Disease‐modifying therapies for sickle cell disease: Decisional needs and supports among adolescents and young adults
Notice bibliographique
Résumé
BACKGROUND: Shared decision-making is one promising solution to addressing barriers in use of disease-modifying therapies for adolescents and young adults (AYAs) with sickle cell disease (SCD). A thorough understanding of decisional needs can guide the development of decisional supports and promote shared decision-making. PROCEDURE: Informed by the Ottawa Decision Support Framework (ODSF), we conducted a qualitative analysis to assess decisional needs and supports reported by AYAs with SCD, their caregivers, and healthcare providers. Semi-structured qualitative interviews were conducted with AYAs and their caregivers, and online crowdsourcing was used with SCD providers. Thematic and descriptive content analyses were used to summarize perspectives on decisional needs and supports regarding disease-modifying therapies. RESULTS: = 14.8 years, 75% physicians) participated. Thematic analysis revealed needs related to: decisional conflict, inadequate knowledge, unclear expectations, and inadequate supports and resources. Six forms of support emerged as important for decision-making: establishing an open and trusting patient/family-provider relationship, providing information, accepting ambivalence and unreadiness, supporting implementation of a decision, addressing inadequate health and social services, and promoting adequate social, emotional, and instrumental help. CONCLUSIONS: This is the first study to assess decisional needs and supports for AYAs with SCD considering disease-modifying therapies. Additional research is needed to examine which decision supports are the most impactful to promote effective shared decision-making in this population.
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 ».