MétaCan
Menu
Retour à la cohorte
Enregistrement W4396811697 · doi:10.1136/bmjophth-2023-001613

Risk communication in cataract surgery

2024· article· en· W4396811697 sur OpenAlexaff
Diana Lucia Martinez, Iqbal Ike K. Ahmed, Matthew B. Schlenker

Notice bibliographique

RevueBMJ Open Ophthalmology · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensTrillium Health CentreUniversity of TorontoPrism Eye Institute
Organismes subventionnairesnon disponible
Mots-clésCataract surgeryMedicineOptometryOphthalmology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Risk communication is an integral aspect of shared decision-making and evidence-based patient choice. There is currently no recommended way of communicating risks and benefits of cataract surgery to patients. This study aims to investigate whether the way this information is presented influences patients' perception of how risky surgery will be. METHODS AND ANALYSIS: Two-arm parallel randomised study and patients referred for cataract surgery were assigned to receive information framed either positively (99% chance of no adverse effects) or negatively (1% chance of adverse effects). Subsequently, patients rated their perceived risk of experiencing surgical side effects on a 1-6 scale. RESULTS: This study included 100 patients, 50 in each study group. Median (IQR) risk perception was 2 (1-2) in the positive framing group and 3 (1-3) in the negative framing group (p<0.0001). Risk framing was the only factor that was significant in risk perception, with no differences found by other patient clinical or demographic characteristics. CONCLUSION: Patients who received positive framing reported lower risk scores for cataract surgery than patients who received negative framing. Patient factors were not identified as significant determinants in patients' perceived risk. Larger longitudinal studies are warranted to further investigate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,447
Tête enseignante GPT0,555
Écart entre enseignants0,108 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Open OphthalmologyMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207