MétaCan
Menu
Retour à la cohorte
Enregistrement W4400389591 · doi:10.2196/60411

Exploring the User Acceptability and Feasibility of a Clinical Decision Support Tool Designed to Facilitate Timely Diagnosis of New-Onset Type 1 Diabetes in Children: Qualitative Interview Study Among General Practitioners

2024· article· en· W4400389591 sur OpenAlexvenueno aff
Chiara Beccia, Barbara Hunter, Jo‐Anne Manski‐Nankervis, Mary White

Notice bibliographique

RevueJMIR Formative Research · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensnon disponible
Organismes subventionnairesNational Health and Medical Research CouncilMedical Research Council
Mots-clésQualitative researchType 2 diabetesMedicinePsychologyMedical educationApplied psychologyComputer scienceDiabetes mellitusSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Up to half of the children with new-onset type 1 diabetes present to the hospital with diabetic ketoacidosis, a life-threatening condition that can develop because of diagnostic delay. Three-quarters of Australian children visit their general practitioner (GP) the week before presenting to the hospital with diabetic ketoacidosis. Our prototype, DIRECT-T1DM (Decision-Support for Integrated, Real-Time Evaluation and Clinical Treatment of Type 1 Diabetes Mellitus), is an electronic clinical decision support tool that promotes immediate point-of-care testing in general practice to confirm the suspicion of diabetes. This avoids laboratory testing, which has been documented internationally as a cause of diagnostic delay. OBJECTIVE: In this investigation, we aimed to pilot and assess the feasibility and acceptability of our prototype to GP end users. We also explored the challenges of diagnosing type 1 diabetes in the Australian general practice context. METHODS: In total, 4 GPs, a pediatric endocrinologist, and a PhD candidate were involved in conceptualizing the DIRECT-T1DM prototype, which was developed at the Department of General Practice and Primary Care at the University of Melbourne. Furthermore, 6 GPs were recruited via convenience sampling to evaluate the tool. The study involved 3 phases: a presimulation interview, simulated clinical scenarios, and a postsimulation interview. The interview guide was developed using the Consolidated Framework for Implementation Research (CFIR) as a guide. All phases of the study were video, audio, and screen recorded. Audio recordings were transcribed by the investigating team. Analysis was carried out using CFIR as the underlying framework. RESULTS: Major themes were identified among three domains and 7 constructs of the CFIR: (1) outer setting-time pressure, difficulty in diagnosing pediatric type 1 diabetes, and secondary care considerations influenced GPs' needs regarding DIRECT-T1DM; (2) inner setting-DIRECT-T1DM fits within existing workflows, it has a high relative priority due to its importance in patient safety, and GPs exhibited high tension for change; and (3) innovation-design recommendations included altering coloring to reflect urgency, font style and bolding, specific language, information and guidelines, and inclusion of patient information sheets. CONCLUSIONS: End-user acceptability of DIRECT-T1DM was high. This was largely due to its implications for patient safety and its "real-time" nature. DIRECT-T1DM may assist in appropriate management of children with new-onset diabetes, which is an uncommon event in general practice, through safety netting.

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)0,038
score de la tête « metaresearch » (Gemma)0,056
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,203

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0380,056
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,007
Communication savante0,0040,003
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,868
Tête enseignante GPT0,735
Écart entre enseignants0,133 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetHealth Policy Implementation ScienceTravaux en français237 207