Clinical decisions and factors influencing the management of persons with hemophilia requiring antithrombotic therapy: a qualitative study
Notice bibliographique
Résumé
BACKGROUND: Persons with hemophilia face challenges when requiring antithrombotic therapy due to competing bleeding and thrombosis risks. The absence of robust evidence complicates clinical decision-making, relying on expert opinions and consensus. RESEARCH DESIGN AND METHODS: To explore the decision-making processes of physicians managing antithrombotic therapy in persons with hemophilia, identify key factors shaping clinical judgment, and develop a decision-making framework to improve patient care and research. We conducted a qualitative study grounded in constructivist methodology, recruiting seven Canadian physicians with expertise in hemophilia and/or thromboembolic disorders. Three virtual focus groups were held and analyzed using reflexive thematic analysis. Themes were developed iteratively to identify key components. RESULTS: Participants described five themes involving initial and continuous risk assessment of bleeding and thrombosis, selection of safe antithrombotic therapies or alternatives, and development of hemophilia-specific treatment plans. They highlighted the need for periodic reassessment of strategies and emphasized individualized, co-produced care. Each framework element encompassed multiple factors influencing decision-making toward patient-centered care. CONCLUSIONS: This study provides a decision-making framework to guide antithrombotic therapy in persons with hemophilia. By integrating risk assessments, individualized care, and shared decision-making, the framework addresses this high-risk context. Future research should validate the framework and incorporate patient perspectives to enhance practice.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».