Understanding preferences of patients with multivessel coronary artery disease towards revascularisation and optimal medical therapy: a protocol for a discrete choice experiment
Notice bibliographique
Résumé
INTRODUCTION: The selection of the optimal treatment strategy remains one of the most challenging decisions in the management of coronary artery disease (CAD). Surgical and percutaneous coronary revascularisation are two widely used treatments for managing CAD and can result in improved outcomes compared with medications alone. Current practice guidelines recommend revascularisation for multivessel CAD for most patients. However, there remains uncertainty about whether revascularisation or medical therapy is optimal for managing multivessel disease for many patients, especially, in the elderly and those living with multimorbidity. Also, there is limited understanding of patient preferences towards candidate treatment options for multivessel disease. This study aims to quantify and characterise heterogeneity in patient preferences towards treatment options for multivessel CAD. METHODS AND ANALYSIS: We have designed and will administer a discrete choice experiment to elicit and quantify preferences of people with multivessel CAD towards revascularisation and optimal medical therapy for managing multivessel CAD. Multinomial logit mixed effects and hierarchical Bayes models will be used to model the association between the participants' choices and the attributes and their different levels. The relative importance of the attributes will be assessed using the size of coefficients and marginal rate of substitution (MRS), a measure of the willingness to accept a trade-off among different options. Heterogeneity in patient preferences will be evaluated using latent class analysis. ETHICS AND DISSEMINATION: Ethical approval for this study was granted by the University of Calgary Conjoint Health Research Ethics Board. Findings from this study will inform the development of clinical decision support tool that integrates patient preferences with clinical risk information to support patient-care provider discussion about optimal treatment for multivessel CAD management.
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 | 0,076 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,008 |
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 ».