The utility of shared decision making in the management of hereditary angioedema
Notice bibliographique
Résumé
Background: Hereditary angioedema (HAE) is a complex disorder with a wide array of treatment options. Shared decision-making (SDM) should be used to ensure that patients are choosing their best treatment option. The goal was to develop and psychometrically test a brief instrument for assessing the patient’s perspective of the SDM process during his or her clinical encounters with an HAE specialist/allergist. Method: We hypothesized that SDM could be used effectively to help patients in their choice of therapy for HAE. Ten HAE treating physicians from the United States with a total of 50 patients with HAE used SDM to help patients choose the best prophylactic therapies (oral kallikrein inhibitor, androgens, subcutaneous C1 inhibitor replacement therapy, intravenous C1 inhibitor replacement therapy, monoclonal antibody kallikrein inhibitor) for their HAE and then completed surveys to analyze the effectiveness of the implementation of SDM as a quality indicator in health services assessment. Results: The congruence of answers between the physicians and the patients was then analyzed; 90% of the patient-physician pairs agreed that the advantages and disadvantages of the treatment options were precisely explained; 92% of the patient-physician pairs agreed that the physician helped them understand all the information and that the physician asked them which treatment option they preferred; 88% of the pairs agreed that the different treatment options were thoroughly weighed and 92% of the pairs felt that they selected a treatment option together. Conclusion: In summary, SDM is being implemented by treating physicians to determine the best management options for their patients with HAE.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».