Feasibility of Using Simulation to Evaluate Implementation Fidelity in an Advance Care Planning Pragmatic Trial
Notice bibliographique
Résumé
Background and Objectives: Traditional methods of fidelity monitoring are not possible in pragmatic trials in real-world clinical settings. We describe our approach to monitoring and reinforcing the fidelity to ACP conversations for a hard-to-reach subpopulation by using standardized patients in a pragmatic trial. Research Design and Methods: We developed standardized patient scenarios grounded in the Respecting Choices First Steps™ Advance Care Planning curriculum to provide an opportunity to reinforce and assess ACP facilitator competency. Scenarios represented one-on-one encounters. The first case was a standardized patient with cognitive impairment and the second case involved a standardized patient with dementia and their care partner. A previously validated fidelity checklist was used to score skills and behaviors observed during simulations including encounter set-up, ACP topics, and general communication. Simulations involved voice teleconferencing to align primary modality of ACP in the pragmatic trial. Results: Six facilitators completed two standardized patient cases each. Overall fidelity scores were moderately high (78.8% ± 11.7; 63.4 – 95.6) for the case with cognitive impairment and for the case with the patient with dementia and care partner (76.2% ± 13.0; 54.4 – 91.5). Discussion and Implications: Simulation using standardized patients supported fidelity monitoring and provided coachable feedback to support facilitator competency. Our study can help inform future research and training related to advance care planning in older adults living with Alzheimer’s disease and related disorders.
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 | 0,287 | 0,430 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 ».