An assessment of evidence to inform best practice for the communication of acute venous thromboembolism diagnosis: a scoping review
Notice bibliographique
Résumé
Background: Physician communication with patients is a key aspect of excellent care. Scant evidence exists to inform best practice for physician communication in patients diagnosed with pulmonary embolism and deep vein thrombosis, collectively referred to as venous thromboembolism (VTE). Objectives: The aim of this study was to summarize the existing literature on best practices for communication between healthcare providers and patients newly diagnosed with VTE. Methods: We performed a scoping review to report existing literature on best practices for physician-patient communication and the diagnosis and management of acute VTE. Manuscripts on communication between healthcare professionals and patients presenting with acute VTE and acute vascular disease presentations that included atrial fibrillation and acute coronary syndrome were identified. Two authors independently reviewed studies for eligibility and a consensus determined article inclusion. The manuscripts were further categorized into 2 categories: best practices in communication and unmet needs in communication. Data aggregation was achieved by a modified thematic synthesis. Results: Among 345 initial publications, 22 manuscripts met inclusion criteria, with 11 addressing VTE, 5 pulmonary embolism, 4 deep vein thrombosis, 1 atrial fibrillation, and 1 acute coronary syndrome. Eleven manuscripts addressed communication of VTE diagnosis, while 12 focused on communication of VTE treatment. Eleven manuscripts identified unmet communication needs, and 14 addressed best practices. Our review showed that good communication enhanced satisfaction, while suboptimal communication was associated with emotional, cognitive, behavioral, social, and health systems adverse effects. Conclusion: Scant literature guides best practices for communicating VTE diagnosis and treatment. Further research is necessary to establish practices for improving communication with VTE patients.
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 | 0,130 | 0,412 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,012 | 0,014 |
| Bibliométrie | 0,057 | 0,035 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,012 | 0,014 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».