論文の概要: Nine Recommendations for Decision Aid Implementation from the Clinician Perspective

• arxiv url: http://arxiv.org/abs/2007.10797v1
• Date: Tue, 21 Jul 2020 13:40:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-05-08 20:59:11.302846
• Title: Nine Recommendations for Decision Aid Implementation from the Clinician Perspective
• Title（参考訳）: 臨床から見た意思決定支援のための9つの勧告
• Abstract要約: 当院を受診した臨床医の55%は、時間圧と患者の特徴を大きな障壁として挙げた。 また, 治療手順の外部基準などの構造因子を臨床医の44%が障壁として検討した。 本研究は,医療保険業者等の外部利害関係者が実施を促進するための経済インセンティブの創出に果たす役割を示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background: Shared decision-making (SDM) aims to empower patients to take an active role in their treatment choices, supported by clinicians and patient decision aids (PDAs). The purpose of this study is to explore barriers and possible facilitators to SDM and a PDA in the prostate cancer trajectory. In the process we identify possible actions that organizations and individuals can take to support implementation in practice. Methods: We use the Ottawa Model of Research Use as a framework to determine the barriers and facilitators to SDM and PDAs from the perspective of clinicians. Semi-structured interviews were conducted with urologists (n=4), radiation oncologists (n=3), and oncology nurses (n=2), focusing on the current decision-making process experienced by these stakeholders. Questions included their attitudes towards SDM and PDAs, barriers to implementation and possible strategies to overcome them. Results: Time pressure and patient characteristics were cited as major barriers by 55% of the clinicians we interviewed. Structural factors such as external quotas for certain treatment procedures were also considered as barriers by 44% of the clinicians. Facilitating factors involved organizational changes to em-bed PDAs in the treatment trajectory, training in using PDAs as a tool for SDM, and clinician motivation by disseminating positive clinical outcomes. Our findings also suggest a role for external stakeholders such as healthcare insurers in creating economic incentives to facilitate implementation. Conclusion: Our findings highlight the importance of a multi-faceted implementation strategy to support SDM. While clinician motivation and patient activation are essential, structural/economic barriers may hamper implementation. Action must also be taken at the administrative and policy levels to foster a collaborative environment for SDM and, in the process, for PDAs.
• Abstract（参考訳）: 背景:共有意思決定 (Shared decision-making, SDM) は、患者が治療選択において積極的な役割を担い、臨床医や患者意思決定支援 (PDA) が支援することを目的としている。 本研究の目的は,前立腺癌軌跡におけるSDMとPDAへの障壁とファシリテーターの可能性を探ることである。 このプロセスでは、組織や個人が実際に実装をサポートするために行う可能性のあるアクションを特定します。 方法: 臨床医の観点からSDMとPDAの障壁とファシリテーターを決定する枠組みとして, オタワ研究用モデルを用いた。 半構造化された面接は, 耳科医 (n=4), 放射線腫瘍医 (n=3), 腫瘍学看護師 (n=2) と行った。 質問には、SDMやPDAに対する態度、実施の障壁、克服可能な戦略などが含まれていた。 結果: 臨床医の55%は, 時間的圧力と患者特性を主な障壁として挙げた。 また, 治療手順の外部基準などの構造因子を臨床医の44%が障壁として検討した。 治療経路におけるPDAの組織的変化,SDMのツールとしてのPDAの使用訓練,陽性臨床結果の散布による臨床動機づけなどの要因について検討した。 また,医療保険などの外部利害関係者が,実施を促進する経済インセンティブの創出に果たす役割も示唆した。 結論: 本研究はsdmをサポートするための多面的実装戦略の重要性を浮き彫りにする。 臨床のモチベーションと患者のアクティベーションは不可欠であるが、構造的/経済的障壁は実施を妨げる可能性がある。 また、SDMとPDAの協調環境を育成するために、行政・政策レベルでの行動も取らなければならない。

関連論文リスト

• DeepSAGE: Stage-Aware Reinforcement Learning for Structured CBT Counseling Dialogue [44.08107411670182]
  認知行動療法(CBT)に基づく段階認識型カウンセリング対話のためのフレームワークDeepSAGEについて紹介する。 DeepSAGEはこのセッションを、明確な治療目的を持った11のステージとして表現し、外部コントローラがステージ完了を決定する。 DeepSAGEは、シミュレーションされたクライアントのエンゲージメントとオープン性を高め、ステージゴール完了と対話効率のバランスを最大化します。
  論文  参考訳（メタデータ） (2026-08-23T21:40:58Z)
• Modeling and Interpreting Teamwork Dynamics in Cancer Care Outcome Prediction [18.543220644724766]
  がん治療には、個々の患者のニーズに応じて治療を計画し、提供するための縦断的なアプローチが必要である。 計画とデリバリはチームベースのプロセスであり、複数の医療専門家の協調作業に依存します。 我々は,これらの協調構造に埋め込まれた患者生存の予測信号の同定に機械学習手法を適用した。
  論文  参考訳（メタデータ） (2026-06-03T06:28:59Z)
• Continuous Focus Groups: A Longitudinal Method for Clinical HRI in Autism Care [0.0]
  自閉症スペクトラム障害児(ASD)に対する支援ケア専門職との対話を継続するための継続的なフォーカスグループを導入する。 3つの焦点群がロボット支援治療プロトコルの連続的な段階にわたって編成され、介入が進行するにつれて、参加者は早期の視点を再考し、洗練することができる。 その結果、継続性は信頼を育み、暗黙の専門知識を設計決定に統合することを支援し、倫理的保護として機能することを示しました。
  論文  参考訳（メタデータ） (2026-04-20T12:48:46Z)
• Ambivalence/Hesitancy Recognition in Videos for Personalized Digital Health Interventions [51.74800196847922]
  A/H(Ambivalence and Hesitancy)は、個人が健康介入を遅らせたり、避けたり、放棄したりする主要な役割を担っている。 専門家はA/Hを認識するように訓練することができるが、それらをデジタルヘルス介入に統合することは費用がかかり、効果が低い。 本稿では,ビデオにおけるA/H認識の深層学習モデルの適用について検討する。
  論文  参考訳（メタデータ） (2026-04-13T17:05:38Z)
• Realistic CDSS Drug Dosing with End-to-end Recurrent Q-learning for Dual Vasopressor Control [37.613456891934085]
  集中治療室 (ICU) 患者に対して, 薬物服用を最適に学習するためのエンドツーエンドアプローチを開発し, 抗敗血症性ショックに対する治療方針について検討した。 現実的な薬物服用には、離散的、連続的、指向的な服用戦略に対応するアクション空間設計を適用する。 提案手法は,既存の臨床プロトコルと整合しながら,生存率15%以上の改善を達成している。
  論文  参考訳（メタデータ） (2025-10-01T23:02:00Z)
• Stakeholder Perspectives on Humanistic Implementation of Computer Perception in Healthcare: A Qualitative Study [1.2144656790395498]
  デジタル表現型、感情コンピューティングおよび関連する受動的センシングアプローチは、医療をパーソナライズする前例のない機会を提供する。 これらのツールは、プライバシ、偏見、共感的、関係中心のプラクティスの侵食に関する懸念を喚起する。 本研究はCP技術の患者医療への統合に関する主要な利害関係者の視点に関する最初の根拠に基づく考察である。
  論文  参考訳（メタデータ） (2025-08-04T16:01:56Z)
• Stakeholder Perspectives on Digital Twin Implementation Challenges in Healthcare: Insights from a Provider Digital Twin Case Study [0.0]
  本研究は,4つの異なる利害関係者の視点を捉え,医療におけるDT導入の課題について考察する。 CFIR 2.0(Consolidated Framework for Implementation Research)を改訂した半構造化インタビューを行った。 次に、各利害関係者の嗜好と関心をマッピングし、収束と多様化の微妙な風景を明らかにした。
  論文  参考訳（メタデータ） (2025-07-31T07:57:48Z)
• Designing AI Tools for Clinical Care Teams to Support Serious Illness Conversations with Older Adults in the Emergency Department [53.52248484568777]
  この研究は、EDベースの重篤な病的会話の実証的な理解に貢献し、ハイテイクな臨床環境におけるAIの設計上の考察を提供する。 専門医2名と専門医9名を対象にインタビューを行った。 我々は4段階の重篤な会話ワークフロー(識別、準備、伝導、文書化)を特徴とし、各段階における重要なニーズと課題を特定した。 既存の臨床実践に適合するSICをサポートするAIツールの設計ガイドラインを提示する。
  論文  参考訳（メタデータ） (2025-05-30T21:15:57Z)
• A Survey on Human-Centered Evaluation of Explainable AI Methods in Clinical Decision Support Systems [42.740755280486546]
  本稿では,臨床診断支援システムにおける説明可能なAI手法の人間中心評価について調査する。 本研究は、XAIの医療への統合における重要な課題を明らかにし、XAIの評価方法と利害関係者の臨床的ニーズを整合させる構造的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-02-14T01:21:29Z)
• Reinforcement Learning on Dyads to Enhance Medication Adherence [45.04199025071767]
  介入の配信をパーソナライズする新しいマルチエージェント強化学習(MARL)手法を提案する。 MARLフレームワークは、各エージェントが1つの介入コンポーネントのデリバリに責任を持つもので、フラット化されたエージェントと比較してより高速な学習を可能にする。 実際の臨床データに基づくダイアディック・シミュレーター環境による評価は,薬剤の付着性を大幅に改善した。
  論文  参考訳（メタデータ） (2025-02-06T02:27:35Z)
• Medchain: Bridging the Gap Between LLM Agents and Clinical Practice through Interactive Sequential Benchmarking [58.25862290294702]
  臨床ワークフローの5つの重要な段階をカバーする12,163の臨床症例のデータセットであるMedChainを提示する。 フィードバック機構とMCase-RAGモジュールを統合したAIシステムであるMedChain-Agentも提案する。
  論文  参考訳（メタデータ） (2024-12-02T15:25:02Z)
• Pruning the Path to Optimal Care: Identifying Systematically Suboptimal Medical Decision-Making with Inverse Reinforcement Learning [14.688842697886484]
  本稿では, 同僚の行動に基づいて, 最適な臨床行為を識別する逆強化学習の新たな応用法を提案する。 このアプローチはIRLの2つの段階を中心とし、コンセンサスから大きく逸脱する行動を示す軌跡をプーンする中間段階を持つ。
  論文  参考訳（メタデータ） (2024-11-07T23:16:59Z)
• Demystifying Large Language Models for Medicine: A Primer [50.83806796466396]
  大規模言語モデル(LLM)は、医療のさまざまな側面に革命をもたらすことのできる、変革的なAIツールのクラスである。 本チュートリアルは、LSMを臨床実践に効果的に統合するために必要なツールを医療専門家に提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-24T15:41:56Z)
• CBT-Bench: Evaluating Large Language Models on Assisting Cognitive Behavior Therapy [67.23830698947637]
  認知行動療法(CBT)支援の体系的評価のための新しいベンチマークであるCBT-BENCHを提案する。 我々は, CBT-BENCHにおける3段階の課題を含む: I: 基本的CBT知識獲得, 複数選択質問のタスク; II: 認知的モデル理解, 認知的歪み分類, 主根的信念分類, きめ細かい中核信念分類のタスク; III: 治療的応答生成, CBTセラピーセッションにおける患者音声に対する応答生成のタスク。 実験結果から,LLMはCBT知識のリサイティングに優れるが,複雑な実世界のシナリオでは不十分であることが示唆された。
  論文  参考訳（メタデータ） (2024-10-17T04:52:57Z)
• Empowering Clinicians with Medical Decision Transformers: A Framework for Sepsis Treatment [5.0005174003014865]
  安全クリティカルな環境下での課題を解決するための医療意思決定変換器(MeDT)を提案する。 MeDTは、決定トランスフォーマーアーキテクチャを使用して、薬物投与推奨のポリシーを学ぶ。 MeDTは、患者の医療履歴、治療決定、結果、安定性に対する短期的影響の複雑な依存関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-07-28T03:40:00Z)
• Defining Effective Engagement For Enhancing Cancer Patients' Well-being with Mobile Digital Behavior Change Interventions [0.25296764467138544]
  デジタル行動変化介入(DBCI)は、新しい健康行動の開発を支援している。 本研究は, がん患者の生活の質を高めるために, がん患者に対するDBCIの効果的な関与を定義することを目的とする。
  論文  参考訳（メタデータ） (2024-03-18T17:43:40Z)
• Safe and Interpretable Estimation of Optimal Treatment Regimes [54.257304443780434]
  我々は、最適な治療体制を特定するための安全かつ解釈可能な枠組みを運用する。 本研究は患者の医療歴と薬理学的特徴に基づくパーソナライズされた治療戦略を支援する。
  論文  参考訳（メタデータ） (2023-10-23T19:59:10Z)
• Integration of Remote Patient Monitoring Systems into Physicians Work in Underserved Communities: Survey of Healthcare Provider Perspectives [0.0]
  遠隔患者モニタリング技術は、未整備の地域社会におけるケアへのアクセスを改善するための有効な代替手段として認識されている。 本研究は, RPMの臨床領域への導入と統合における障壁とファシリテーターに関するステークホルダーからの視点を取り入れたものである。 臨床ワークフローへのRPM統合のためのプロトコルを開発するためには,そのような問題に対処するための方法の特定と,本研究で収集した情報の利用が必要である。
  論文  参考訳（メタデータ） (2022-06-14T09:00:08Z)
• Optimal discharge of patients from intensive care via a data-driven policy learning framework [58.720142291102135]
  退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。 本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。 データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
  論文  参考訳（メタデータ） (2021-12-17T04:39:33Z)
• Understanding the Information Needs and Practices of Human Supporters of an Online Mental Health Intervention to Inform Machine Learning Applications [6.5893732458797185]
  この研究は、AIと機械学習(ML)の分野における最近の進歩を通じて得られる新たな機会が、iCBTサポーターの作業プラクティスを効果的に支援するための有用なデータ洞察にどのように貢献するかを調査する。 本報告では、既存の作業実践や情報ニーズの理解を深める15人のiCBTサポーターとのインタビュー研究の成果を詳述する。 本分析は,(1)iCBT支援者がメンタルヘルスクライアントに対して効果的かつパーソナライズされたフィードバックを提供する際に直面する戦略と課題をまとめた6つのテーマ,(2)MLの手法が特定の課題や情報ニーズをいかに支援し,対処するかを示す具体的機会について提示する。
  論文  参考訳（メタデータ） (2021-11-12T11:43:31Z)
• COVID-Net Clinical ICU: Enhanced Prediction of ICU Admission for COVID-19 Patients via Explainability and Trust Quantification [71.80459780697956]
  患者臨床データに基づくICU入院予測のためのニューラルネットワークであるCOVID-Net Clinical ICUを紹介する。 提案されたCOVID-Net Clinical ICUは、1,925人のCOVID-19患者からなるシロ・リバネ病院の臨床データセットを使用して構築された。 定量的説明可能性戦略を用いたシステムレベルの洞察発見を行い,異なる臨床特徴の意思決定効果について検討した。
  論文  参考訳（メタデータ） (2021-09-14T14:16:32Z)
• Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
  臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。 退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。 複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
  論文  参考訳（メタデータ） (2021-02-08T10:26:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。