Optimizing Communication Strategies for COPD Management: Effectiveness of Educational Video and Pamphlet Interventions
Notice bibliographique
Résumé
Abstract Objectives Risk prediction models are increasingly used at point of care to support personalized treatment decisions. This study created and evaluated two Information, Education, and Communication (IEC) resources to improve public understanding of a risk prediction tool for Chronic Obstructive Pulmonary Disease (COPD) management. Methods We created a 5-minute video and a pamphlet explaining the burden of COPD and how a prediction model generates quantitative estimates of, and benefit of certain treatments for, exacerbations of the disease. These tools were tested among students and researchers in public health. A patient partner was engaged throughout to ensure the materials were accessible and patient-centered. Results Twenty-five individuals participated (80% female; 60% aged 25–64). After reviewing the materials, 92% of participants agreed to the statement “I am familiar with the idea of precision medicine approach”. Most (72%) felt they received sufficient information about the tool, and 92% believed such materials could support patient decision. Participants stated that the materials were clear, detailed, and written in plain language. Participants preferred the pamphlet (68%) over the video (44%). Suggestions for improvement included expanding content on how the tool works. Conclusions The findings of this study provided a better understanding of how to present complex medical information around precision medicine that is accessible and meaningful to diverse audiences. We will improve our materials based on these comments, and continue to make them available at https://resp.core.ubc.ca/show/patient_committee_2025
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».