MétaCan
Menu
Retour à la cohorte
Enregistrement W4403830843 · doi:10.1681/asn.2024ndq472kr

Perspectives of Patients and Care Partners on Prognostic Discussions in CKD: A Qualitative Study

2024· article· en· W4403830843 sur OpenAlexaffabout
Shivani Tauh, Pietro Ravani, Shannan Love, Kathryn King‐Shier, Robert R. Quinn, Ngan N. Lam, Ping Liu, Maoliosa Donald, Meghan J. Elliott

Notice bibliographique

RevueJournal of the American Society of Nephrology · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueArtificial Intelligence in Healthcare
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésQualitative researchMedicineInternal medicineIntensive care medicineFamily medicineSociology

Résumé

récupéré en direct d'OpenAlex

Background: The incidence and prevalence of chronic kidney disease (CKD) is expected to rise over the next decade. Adults with severe CKD must navigate difficult decisions related to kidney replacement therapy and the competing risk of death without kidney failure. In this qualitative study, we sought to explore the experiences of patients with CKD and their care partners related to discussions about kidney failure risks and mortality, and to elicit their preferences for discussing and using prognostic information. Methods: We purposively sampled patients with non-dialysis-dependent CKD (eGFR <30 mL/min/1.73m2) followed in multi-disciplinary CKD clinics and their care partners in Alberta, Canada. We conducted online or telephone-based, semi-structured interviews that centered around eliciting personal experiences and responses to clinical vignettes that included risk estimates for kidney failure and mortality. Interviews were audio recorded and transcribed verbatim. Data were coded iteratively and in duplicate and analyzed through reflexive thematic analysis. Results: We conducted interviews with 22 patients and 7 care partners. Participants emphasized the quality of communication and interactions with their healthcare team as the greatest influences on their prognostic understanding. Participants’ experiences and preferences related to prognostic discussions are elaborated across the following themes: 1) Alignment of discussion context with informational readiness (appropriate timing, setting, roles), 2) Level of directness in conveying individual risk (sensitivity, frankness, professional obligation), 3) Quality of personal and therapeutic relationships impacting preferences (reliance on trust and support structures), and 4) Perceived value and applicability of prognostic information (personalized information, utility in care planning). Conclusion: The perceived quality of prognostic discussions among patients with CKD and their care partners was influenced by contextual factors, individual preferences, and communication styles. Strategies tailored to individuals’ readiness and the collaborative CKD care setting may improve understanding of clinical outcomes of severe CKD and use of prognostic information in treatment planning.

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)0,019
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0160,012
Communication savante0,0070,006
Science ouverte0,0020,010
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,104
Tête enseignante GPT0,522
Écart entre enseignants0,419 · 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'étudeQualitatif
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 revueJournal of the American Society of NephrologyMême sujetArtificial Intelligence in HealthcareTravaux en français237 207