A115 IMPROVING ENDOSCOPY ROOM EFFICIENCY: EVALUATION OF A VIDEO AS A SUPPLEMENTARY TOOL FOR INFORMED CONSENT
Notice bibliographique
Résumé
Abstract Background Endoscopy unit efficiency is critical because of the need to provide timely and quality care, despite limited resources. In previous work, obtaining informed consent negatively impacted efficiency. We developed a 3-minute animated video to facilitate the consent process, including describing colonoscopy, its purpose and potential risks/benefits. Aims 1) Assess the ability of the video to support the informed consent process; 2) Determine the effectiveness of the video as a communication tool. Methods Using a critical case sample design with maximum variation, 12 participants completed pre- and post-colonoscopy 1:1 semi-structured interviews after viewing the video. Questions evaluated whether key components of informed consent were conveyed and assessed the video using principles of learner verification (attractiveness, usability, comprehension, impact on self-efficacy, acceptability). Interviews were recorded and transcribed. The data were coded inductively and deductively. Results Regarding components of informed consent, most participants understood the purpose and nature of a colonoscopy, but alternatives, including the right to refuse, were less effectively communicated. As a communication tool, the animations engaged participants and aided comprehension of complex material. The language was accessible, however, some participants found the video too fast and the font too small. Most participants found the video acceptable and characters relatable. Some identified information gaps included sedation level and procedure duration. Conclusions Endoscopy unit efficiency may be improved by providing consent information via video to patients scheduled for colonoscopy to supplement current approaches to informed consent. Our findings will inform revisions of the video and subsequent implementation into clinical practice. Funding Agencies This study is being funded by the principal investigator’s own funds (Jill Tinmouth)
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 | 0,030 | 0,102 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».