Lessons Learned From Shared Decision-Making With Oral Anticoagulants: Viewpoint on Suggestions for the Development of Oral Chemotherapy Decision Aids
Notice bibliographique
Résumé
Oral chemotherapy is commonly prescribed, and by using decision aids (DAs), clinicians can facilitate shared decision-making (SDM) to align treatment choices with patient goals and values. Although products exist commercially, little evidence informs the development of DAs targeting the unique challenges of oral chemotherapy. To address this gap in the literature, our objective was to review DAs developed for oral anticoagulation, DA use in oncology, and patient preference surveys to guide the development of DAs for oral chemotherapy. We focused on reviewing SDM, patient preferences, and specifically the development, efficacy, and patient experience of DAs in oral anticoagulation and oncologic conditions, ultimately including conclusions and data from 30 peer-reviewed publications in our viewpoint paper. We found that effective DAs in oral anticoagulation improved knowledge, lowered decisional conflict, increased adherence, and covered a broad range of SDM elements; however, limited information on patient experience was a common shortcoming. In oncology, DAs increased knowledge and aligned decisions with the values of the patients. Ineffective oncology DAs provided general, unclear, or overly optimistic information, while providing "too much" information was not shown to do harm. Patients preferred DAs that included pros and cons, side effects, questions to ask, and expected quality of life changes. In developing DAs for oral chemotherapy, patients should be included in the development process, and DA content should be specifically tailored to patient preferences. Providing DAs ahead of appointments proved more effective than during, and additional considerations included addressing barriers to efficacy. There is a need for evidence-based DAs to facilitate SDM for patients considering oral chemotherapy. Developers should use data from studies in oral anticoagulation, oncology, and preference surveys to optimize SDM.
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 | 0,079 | 0,158 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,011 | 0,018 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,015 |
| 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 ».