Adaptation and validation of the multi-dimensional measure of informed choice to cardiopulmonary resuscitation (CPR) and invasive mechanical ventilation (IMV)
Bibliographic record
Abstract
La majorité des aînés canadiens préfèrent recevoir des interventions de fin de vie non agressives. Pour eux, leur qualité de vie est plus importante que la durée. Les études montrent que les préférences des patients âgés ne sont pas souvent inscrites dans leurs dossiers médicaux. Par conséquent, des interventions agressives comme la réanimation cardiorespiratoire (RCR) et la ventilation mécanique invasive (VMI) sont utilisées plutôt que des soins de confort. La prise de décision partagée (PDP) est une approche contribuant à diminuer la surutilisation de certaines interventions médicales par des décisions plus éclairées. Lors d’une décision critique sur une intervention de santé, la PDP permet au patient et à son médecin de travailler ensemble pour faire le choix le plus approprié. Les décisions éclairées favorisent des meilleurs effets sur la santé par la réduction de conflit décisionnel, la diminution de l’anxiété et une amélioration de la satisfaction du patient. Les outils d’aide à la décision utilisés dans le contexte de la PDP facilitent la discussion entre un médecin et son patient. Ils ne sont pas limités au contexte de la PDP, car ils peuvent être une ressource en santé très utile, pour aider les patients confrontés à des décisions de santé difficiles et complexes. Vu que la PDP et les outils d’aide à la décision supportent la prise de décision informée, des outils validés et multidimensionnels doivent être créés et validés pour des personnes qui font face à des décisions des interventions de fins de vie agressives. Cet article détaille l’adaptation et la validation du Multi-Dimensional Measure of Informed Choice à la RCR et à la VMI avec des aînés canadiens francophones.
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 | 0.028 | 0.097 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".