MétaCan
Menu
Retour à la cohorte
Enregistrement W4400453631 · doi:10.1136/bmjebm-2024-sdc.41

042 Decision support interventions for dialysis choice: a structured process of shared decision making for a patient with chronic kidney disease. A case study

2024· article· en· W4400453631 sur OpenAlexaffabout
Katherine Cherry, Dawn Stacey, Jeanette Finderup

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueReproductive Health and Technologies
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionKidney diseaseDialysisDecision support systemMedicineIntensive care medicineComputer scienceArtificial intelligenceNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction Patients with chronic kidney disease (CKD) face the difficult decision about choosing type of dialysis. The purpose of this case study was to explore the use of a decision support intervention provided by a nurse recently trained in decision coaching. Methods A case study was conducted guided by the Ottawa Decision Support Framework. The eligible participant had to be experiencing decisional conflict about choosing dialysis modality. The nurse trained in decision coaching assessed the participant’s decisional needs, provided decision coaching using the Ottawa Personal Decision Guide, and screened for decisional conflict using a 4-item SURE Test. Descriptive analysis was used to measure change in decisional needs and quality of decision coaching using the Decision Support Analysis Tool (DSAT). Results An 81 yr. with stage 5 CKD showed uncertainty regarding his dialysis choices (home haemodialysis, centre haemodialysis, peritoneal dialysis). He previously received standardized education and discussions at medical appointments. After decision coaching (51 minutes), he scored 4 on 4 for the SURE Test. He reported feeling supported by his family and no pressure to choose an option. The patient was satisfied with decision coaching. The nurse scored 8 on 10 for the DSAT (lost points regarding the initial identification of uncertainty and intervening about potential harms). Discussion Decision coaching by an experienced CKD nurse, newly trained in decision coaching helped resolve decisional needs and the patient reported a positive experience. The nurse should enhance her skills in clearly initiating the decision coaching and confidence intervening regarding potential harms of treatments. This intervention fit within the Australian CKD healthcare context. Conclusion A structured approach can be used to assist CKD patients making dialysis choices based on what matters most to them. Decision coaching with a trained CKD nurse should be evaluated as part of the CKD model of care.

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)0,005
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,002
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,041
Tête enseignante GPT0,416
Écart entre enseignants0,375 · 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'étudeÉtude de cas
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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetReproductive Health and TechnologiesTravaux en français237 207