MétaCan
Menu
Retour à la cohorte
Enregistrement W4404847846 · doi:10.32920/27931233.v1

Making Decisions in the Era of the Clinical Decision Rule: How Emergency Physicians Use Clinical Decision Rules

2024· preprint· en· W4404847846 sur OpenAlexaboutno aff
Teresa M. Chan, Michelle Turcotte, Emily Gardiner, Jonathan Sherbino, Kerstin de Wit

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueMedical Malpractice and Liability Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClinical decision makingDecision ruleMedical decision makingClinical decision support systemBusinessPsychologyMedicineMedical emergencyComputer scienceDecision support systemIntensive care medicineArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

<p>Purpose: Physicians are often asked to integrate clinical decision rules (CDRs) with their own cognitive processes to reach a diagnosis. Clinicians, researchers, and educators must understand these cognitive processes to evaluate and improve the diagnostic process. The authors sought to explore emergency physicians' diagnostic processes and to examine how they integrated CDRs into their reasoning using simulated cases (with chest pain or leg pain).</p> <p>Method: From August 2015 to July 2016, 16 practicing emergency physicians from 3 teaching hospitals associated with McMaster University, Ontario, Canada, were interviewed via a novel "teach aloud" protocol. Six videos of simulated patients with chest pain, breathlessness, or leg discomfort were used as prompts for the physicians to demonstrate their diagnostic thinking. Using a constructivist grounded theory analysis, 3 investigators independently reviewed the interview transcripts, meeting regularly to discuss identified themes and subthemes until sufficiency was reached.</p> <p>Results: A model to describe how clinicians integrate their own decision making with CDRs was developed, showing that physicians engage in an iterative diagnostic process that repeatedly refines the differential diagnosis list. The steps in the diagnostic process were: refinement of the differential diagnosis, ordering a hierarchy of risk, the decision to test, choosing the tests, and interpreting test results. Physicians applied CDRs when they had already decided to test.</p> <p>Conclusions: To date, CDRs assume a static, linear model of clinical decision making. Findings demonstrate that participants engaged in iterative and dynamic decision-making processes that changed throughout their patient encounter, contingent on multiple contextual features. Understanding these processes could inform future development of CDRs and educational strategies around these decision aids.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,116
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,465
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0240,116
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0030,007
Intégrité de la recherche0,0020,017
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,323
Tête enseignante GPT0,580
Écart entre enseignants0,257 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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'admission1
Résumé présentoui

Explorer davantage

Même sujetMedical Malpractice and Liability IssuesTravaux en français237 207