Étude des besoins décisionnels des aînés atteints de la maladie d'Alzheimer et de leurs proches aidants pour favoriser la prise de décision partagée en soins de première ligne
Bibliographic record
Abstract
L'objectif de cette étude était d'évaluer les besoins décisionnels et de prioriser cinq décisions difficiles et fréquentes des aînés atteints de la maladie d'Alzheimer (MA) et leurs proches pour développer un programme de formation axé sur la décision partagée combiné avec des outils d'aide à la décision. Un sondage électronique de type Delphi avec 33 experts a permis d'établir un consensus sur cinq décisions. Les résultats concernent la décision des proches de recourir à une intervention de soutien (sélectionné par 83% des experts), la décision de recourir à des interventions pour réduire l'agitation, l'agressivité et les symptômes psychotiques (79%), déterminer l'objectif des soins chez les aînés atteints de la MA au stade avancé (66%), arrêter ou non la conduite automobile (66%) et établir ou non un régime de protection (62%). L'identification de ces besoins décisionnels médicaux et psychosociaux pourra aiguiller différentes parties prenantes dans le développement d'interventions pour faciliter la prise de décision. Mots clés : maladie d'Alzheimer, proches aidants, soins de première ligne, décision partagée, analyse de besoins, méthode Delphi
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.027 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".