Implementation Research on Shared Decision Making in Primary Care: Inventory of Intracluster Correlation Coefficients
Notice bibliographique
Résumé
Background. Cluster randomized trials are important sources of information on evidence-based practices in primary care. However, there are few sources of intracluster correlation coefficients (ICCs) for designing such trials. We inventoried ICC estimates for shared decision-making (SDM) measures in primary care. Methods. Data sources were studies led by the Canada Research Chair in Shared Decision Making and Knowledge Transition. Eligible studies were conducted in primary care, included at least 2 hierarchical levels, included SDM measures for individual units nested under any type of cluster (area, clinic, or provider), and were approved by an ethics committee. We classified measures into decision antecedents, decision processes, and decision outcomes. We used Bayesian random-effect models to estimate mode ICCs and the 95% highest probability density interval (HPDI). We summarized estimates by calculating median and interquartile range (IQR). Results. Six of 14 studies were included. There were 97 ICC estimates for 17 measures. ICC estimates ranged from 0 to 0.5 (median, 0.03; IRQ, 0–0.07). They were higher for process measures (median, 0.03; IQR, 0–0.07) than for antecedent measures (0.02; 0–0.07) or outcome measures (0.02; 0–0.06), for which, respectively, “decisional conflict” (mode, 0.48; 95% HPDI, 0.39–0.57), “reluctance to disclose uncertainty to patients” (0.5; 0.11–0.89), and “quality of the decision” (0.45; 0.14–0.84) had the highest ICCs. ICCs for provider-level clustering (median, 0.06; IQR, 0–0.13) were higher than for other levels. Limitations. This convenience sample of studies may not reflect all potential ICC ranges for primary care SDM measures. Conclusions. Our inventory of ICC estimates for SDM measures in primary care will improve the ease and accuracy of power calculations in cluster randomized trials and inspire its further expansion in SDM contexts.
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 | 0,386 | 0,572 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,007 |
| Bibliométrie | 0,012 | 0,015 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».