143 User experience assessment regarding a shared decision-making web- based tool for thromboprophylaxis during pregnancy
Notice bibliographique
Résumé
Introduction Venous thromboembolism (VTE) is a leading cause of maternal morbidity and mortality during pregnancy. Low-molecular-weight heparin (LMWH) is the suggested agent for thromboprophylaxis of VTE in this population. However, clinical guidelines promote shared decision-making (SDM) due to the preference-sensitive nature of this decision. Given the lack of decision aids in this field, we developed an interactive SDM tool (DASH-TOP). Methods We conducted two rounds of semi-structured interviews with ten women at risk of VTE in pregnancy. All interviews were recorded and transcribed. We analyzed data with Nvivo, using a deductive content analysis. Results Details on the findings organized with the honey comb framework domains are provided in figure 1. Overall, DASH-TOP was found to be easy to understand, useful, and desirable. It was also seen as innovative. The second round included a new domain around ‘autonomy of use’, with users reporting that they could navigate the tool independently. Suggestions provided include the possibility of adding personal experiences, explaining more the medical terms, improving visual presentations, and clarifying exercises’ purpose. Discussion Women had a positive experience with DASH-TOP, suggesting appropriate design and usability. Participants provided relevant suggestions including adding personal experiences; clarity on the information provided; and, instructions on the iterative components that will be incorporated. DASH-TOP may be used prior to an encounter in order to facilitate a better dialogue with their clinician. Conclusion Overall, the DASH-TOP tool facilitates informed shared decision-making by providing information often not readily available to patients. Further refinements identified may enhance user experience.
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 | 0,015 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».