MétaCan
Menu
Retour à la cohorte
Enregistrement W7132892953

Applying Clinician Macrocognition in Designing a Clinical Decision Support Tool for Congenital Heart Disease

2023· dissertation· W7132892953 sur OpenAlexaff
Azadeh Assadi

Notice bibliographique

RevueTSpace · 2023
Typedissertation
Langue
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensVector InstituteToronto Rehabilitation InstituteUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDecision support systemClinical decision support systemSociotechnical systemEmergency departmentHeart diseaseDecision analysisCognitionDisease
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Introduction: When presenting to the emergency department (ED), children with congenital heart disease (CHD) experience higher rates of hospital admission, morbidity, and mortality compared to children without CHD. The burden of residual lesions and the natural history of many CHDs predisposes these children to hemodynamic fragility and altered response to traditional resuscitative measures. Their optimal outcome requires CHD-expertise which is limited in local EDs. Hence, there is an urgent need for a sociotechnical solution to support the evaluation, diagnosis, and management of these patients in ED. Three studies address this need by contributing to the development and evaluation of a clinical decision support system (CDSS) based on the cognitive work of CHD-experts and ED physicians. Methods: In study 1, using the critical decision method, a cognitive task analysis (CTA) of CHD-experts and ED physicians was conducted to understand differences in their macrocognition when managing acutely ill pediatric CHD patients. In study 2, decision centered design was used to identify key decision requirements and design concepts to inform the prototype CDSS. In study 3, scenario-based simulation was used to test the effect of the CDSS on ED physicians’ decision making. Results: The most pertinent differences in decision making between CHD-experts and ED physicians were in sensemaking, anticipation, and managing complexity. Accordingly, the key decision requirements and design concepts incorporated into the prototype CDSS included appreciating the CHD physiology, identifying CHD-specific diagnoses, and selecting appropriate CHD interventions. The use of the CDSS significantly improved ED physicians’ CHD-specific decision-making (M=5.43, 95%CI 3.7-7.2) compared to usual care. Conclusion: These studies reveal differences in CHD-expert and ED physicians’ macrocognition and decision making while also proposing a design approach to develop and evaluate a CHD-specific CDSS. Results and methods presented here can be used by clinicians, developers, and researchers to design sociotechnical solutions beyond pediatric CHD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,062
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,062
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,080
Tête enseignante GPT0,475
Écart entre enseignants0,396 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207