MétaCan
Menu
Retour à la cohorte
Enregistrement W4415791195 · doi:10.1161/circ.152.suppl_3.4362666

Abstract 4362666: Co-Design and Development of a Web-Based Decision Aid to Support Team-Based Shared Decision-Making to Advance Cardiovascular Health: A Mixed Method Study

2025· article· en· W4415791195 sur OpenAlexaff
Yuling Chen, Nana Ofori Adomako, Andrea Orellana‐Manzano, Chitchanok Benjasirisan, Krystina B. Lewis, Cheryl Dennison Himmelfarb

Notice bibliographique

RevueCirculation · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Health and Risk Factors
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésWorkflowDelphi methodRisk managementDecision support systemDisease managementRisk factorClinical decision support systemHealth careFocus group

Résumé

récupéré en direct d'OpenAlex

Introduction: Team-based care and shared decision-making (SDM) have been recommended to improve the management of cardiovascular disease (CVD) risk factors. However, decision aids to support team-based SDM for health behavior change and medication management in adults with multiple CVD risk factors are lacking. Objectives: To design and develop a web-based decision aid in health behavior change and medication management to improve multiple CVD risk factor management. Methods: A mixed method study was conducted to develop a web-based decision aid in health behavior change and medication management to improve CVD risk factor management using human-centered design principles and the International Patient Decision Aid Standards. The development process included three phases: (1) SDM workflow and needs assessment: we conducted a modified two-round Delphi study with 18 expert panelists including cardiologist, nurse, community health worker, pharmacist, physician assistant to develop the SDM workflow in multiple CVD risk factor management, (2) Needs assessment: we interviewed 6 clinicians and conducted 3 focus groups with 13 adult patients living with multiple CVD risk factors to understand clinician and patient perceived barriers and facilitators to SDM for CVD risk factor management; and (3) Prototype design and development: we conducted a co-design workshop to design and develop the Preferred-Heart prototype with 15 key stakeholders including software developer, patients with CVD risk factors, primary care providers, pharmacists, and community health workers. Results: The Delphi process resulted in a SDM workflow to improve health behavior change and medication management with 75 items and 8 SDM steps (Figure 1). The qualitative study identified multi-level barriers and facilitators to SDM in CVD risk factor management (Figure 2). Figure 3 shows the developed prototype of the web-based decision aid for multiple CVD risk factor management (“Preferred-Heart”). Conclusion: Key stakeholder input informed development of a web-based decision aid prototype to support health behavior change and medication management to improve multiple CVD risk factor management. Future studies are needed to test the usability, acceptability, and effectiveness of the developed decision aid in improving SDM and health outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,913
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,376
Écart entre enseignants0,339 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetCardiovascular Health and Risk FactorsTravaux en français237 207