Patient-based evidence for amyotrophic lateral sclerosis prognostic health communication: “the clock is ticking…how long do I have?”
Notice bibliographique
Résumé
Objectives: Prognostic health communication is a critical challenge for amyotrophic lateral sclerosis (ALS) health-care professions, however patient-based evidence for best practice remains limited. We investigated how the experiences of ALS patients and caregivers can inform prognostic communication and whether patient-based evidence supports clinical use of predictive tools. Methods: Data were drawn from ALS Talk, an asynchronous, online focus group study. Patients and family caregivers were recruited from across Canada. Seven groups interacted in a threaded web-forum structure. Sixty-four participants shared experiences and perspectives on prognostic communication. Data were qualitatively analyzed using conventional content analysis and the constant-comparative approach. Results: Primary themes were prognostic communication as an ongoing, evolving conversation; prognostic heterogeneity; progression as an embodiment of prognosis; and functional prognosis. The theme, information needs/wants, contributed to the primary themes. Participants highlighted the importance of stepwise discussions of general and personalized prognosis; prognostic heterogeneity as a source of hope and a potential communication barrier; and how progression facilitates material understanding of prognosis, adaptation, and future planning. Further, participants wanted more information about functional prognosis and the impact of interventions/therapies on function and survival. Conclusions: We discuss participants’ central questions: “how long” and “how well,” and provide recommendations for patient-centred ALS prognostic communication. Participants’ embodied understanding of prognosis and desire for information that anticipates functional change, informs disease management, and facilitates timely planning suggests that clinical application of ALS staging systems may meet patient and caregiver need. Testing in real-world clinical settings is needed to ensure the development of patient-centred predictive tools.
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 | 0,105 | 0,326 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».