“What Else Could It Be?” A Scoping Review of Questions for Patients to Ask Throughout the Diagnostic Process
Notice bibliographique
Résumé
BACKGROUND: Diagnostic errors are a global patient safety challenge. Over 75% of diagnostic errors in ambulatory care result from breakdowns in patient-clinician communication. Encouraging patients to speak up and ask questions has been recommended as one strategy to mitigate these failures. OBJECTIVES: The goal of the scoping review was to identify, summarize, and thematically map questions patients are recommended to ask during ambulatory encounters along the diagnostic process. This is the first step in a larger study to co-design a patient-facing question prompt list for patients to use throughout the diagnostic process. METHODS: Medline and Google Scholar were searched to identify question lists in the peer-reviewed literature. Organizational websites and a search engine were searched to identify question lists in the gray literature. Articles and resources were screened for eligibility and data were abstracted. Interrater reliability (K = 0.875) was achieved. RESULTS: A total of 5509 questions from 235 resources met inclusion criteria. Most questions ( n = 4243, 77.02%) were found in the gray literature. Question lists included an average of 23.44 questions. Questions were most commonly coded along the diagnostic process categories of treatment (2434 questions from 250 resources), communication of the diagnosis (1160 questions, 204 resources), and outcomes (766 questions, 172 resources). CONCLUSIONS: Despite recommendations for patients to ask questions, most question prompt lists focus on later stages of the diagnostic process such as communication of the diagnosis, treatment, and outcomes. Further research is needed to identify and prioritize diagnostic-related questions from the patient perspective and to develop simple, usable guidance on question-asking to improve patient safety across the diagnostic continuum.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,162 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».