Scoping review of patient and family engagement interventions in diagnosis: a paradox of too much, yet so little
Notice bibliographique
Résumé
INTRODUCTION: Actively engaging patients is essential for diagnostic excellence and patient safety. OBJECTIVES: To (1) identify and synthesise interventions facilitating patient and family engagement (PFE) across the diagnostic process, and (2a) assess patient involvement and (2b) equity considerations in their design or implementation. DESIGN: This scoping review followed Arksey and O'Malley's framework and PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses Extension for Scoping Review) guidelines. An advisory panel guided the review. We searched Medline, Embase, CINAHL, PsycInfo and Northern Light for peer-reviewed literature and conducted grey literature searches using DuckDuckGo and targeted websites. Search terms focused on PFE and diagnostic error. Eligible interventions were published in English between January 1999 and July 2024 and supported PFE in at least one step of the National Academies of Sciences, Engineering, and Medicine (NASEM) diagnostic process. Narrative reviews, case studies and editorials were excluded. Interventions were mapped to the NASEM steps; data were extracted on patient involvement and equity. RESULTS: Of the 11 630 studies screened, 250 were included, representing 260 interventions. Most (n=213; 85.2%) were from the grey literature, and patients were primary users (n=166; 63.8%). Interventions spanned all diagnostic process steps but were most common in treatment (n=122; 46.9%) and history taking (n=100; 38.5%), with few in referrals (n=10, 3.8%) and physical examinations (n=6, 2.3%). The evidence base was weak: grey literature interventions lacked high-quality studies, and among the 37 peer-reviewed studies, three were randomised controlled trials, each limited by small samples or high attrition. Only 63 interventions (24.2%) were designed with patients, and 48 (18.5%) incorporated equity. CONCLUSION: PFE interventions exist across the diagnostic process, but few target referrals and physical examinations. The evidence remains weak, and current interventions cannot be considered effective. Future research should prioritise equity, patient involvement and rigorous evaluation.
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 | 0,004 | 0,005 |
| 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 | 0,001 |
| 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 ».