The Significance of a Cerebrovascular Accident Outcome Prediction Model for Patients, Family Members, and Health Care Professionals: Qualitative Evaluation Study
Notice bibliographique
Résumé
BACKGROUND: Patients with cerebrovascular accident (CVA) should be involved in setting their rehabilitation goals. A personalized prediction of CVA outcomes would allow care professionals to better inform patients and informal caregivers. Several accurate prediction models have been created, but acceptance and proper implementation of the models are prerequisites for model adoption. OBJECTIVE: This study aimed to assess the added value of a prediction model for long-term outcomes of rehabilitation after CVA and evaluate how it can best be displayed, implemented, and integrated into the care process. METHODS: We designed a mock-up version, including visualizations, based on our recently developed prediction model. We conducted focus groups with CVA patients and informal caregivers, and separate focus groups with health care professionals (HCPs). Their opinions on the current information management and the model were analyzed using a thematic analysis approach. Lastly, a Measurement Instrument for Determinants of Innovations (MIDI) questionnaire was used to collect insights into the prediction model and visualizations with HCPs. RESULTS: The analysis of 6 focus groups, with 9 patients, 4 informal caregivers, and 8 HCPs, resulted in 10 themes in 3 categories: evaluation of the current care process (information absorption, expectations of rehabilitation, prediction of outcomes, and decision aid), content of the prediction model (reliability, relevance, and influence on the care process), and accessibility of the model (ease of understanding, model type preference, and moment of use). We extracted recommendations for the prediction model and visualizations. The results of the questionnaire survey (9 responses, 56% response rate) underscored the themes of the focus groups. CONCLUSIONS: There is a need for the use of a prediction model to assess CVA outcomes, as indicated by the general approval of participants in both the focus groups and the questionnaire survey. We recommend that the prediction model be geared toward HCPs, as they can provide the context necessary for patients and informal caregivers. Good reliability and relevance of the prediction model will be essential for its wide adoption.
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 | 0,047 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».