Objective: To construct the underlying value structure of shared decision making (SDM) models. Method: We included previously identified SDM models (n = 40) and 15 additional ones. Using a thematic analysis, we coded the data using Schwartz’s value theory to define values in SDM and to investigate value relations. Results: We identified and defined eight values and developed three themes based on their relations: shared control, a safe and supportive environment, and decisions tailored to patients. We constructed a value structure based on the value relations and themes: the interplay of healthcare professionals’ (HCPs) and patients’ skills [Achievement], support for a patient [Benevolence], and a good relationship between HCP and patient [Security] all facilitate patients’ autonomy [Self-Direction]. These values enable a more balanced relationship between HCP and patient and tailored decision making [Universalism]. Conclusion: SDM can be realized by an interplay of values. The values Benevolence and Security deserve more explicit attention, and may especially increase vulnerable patients’ Self-Direction. Practice implications: This value structure enables a comparison of values underlying SDM with those of specific populations, facilitating the incorporation of patients’ values into treatment decision making. It may also inform the development of SDM measures, interventions, education programs, and HCPs when practicing.
DOCUMENT
Background: Patient decision aids (PDAs) can support the treatment decision making process and empower patients to take a proactive role in their treatment pathway while using a shared decision-making (SDM) approach making participatory medicine possible. The aim of this study was to develop a PDA for prostate cancer that is accurate and user-friendly. Methods: We followed a user-centered design process consisting of five rounds of semi-structured interviews and usability surveys with topics such as informational/decisional needs of users and requirements for PDAs. Our userbase consisted of 8 urologists, 4 radiation oncologists, 2 oncology nurses, 8 general practitioners, 19 former prostate cancer patients, 4 usability experts and 11 healthy volunteers. Results: Informational needs for patients centered on three key factors: treatment experience, post-treatment quality of life, and the impact of side effects. Patients and clinicians valued a PDA that presents balanced information on these factors through simple understandable language and visual aids. Usability questionnaires revealed that patients were more satisfied overall with the PDA than clinicians; however, both groups had concerns that the PDA might lengthen consultation times (42 and 41%, respectively). The PDA is accessible on http://beslissamen.nl/. Conclusions: User-centered design provided valuable insights into PDA requirements but challenges in integrating diverse perspectives as clinicians focus on clinical outcomes while patients also consider quality of life. Nevertheless, it is crucial to involve a broad base of clinical users in order to better understand the decision-making process and to develop a PDA that is accurate, usable, and acceptable.
DOCUMENT
Differentiates between clinical reasoning for diagnosis, etiology, prognosis, and for interventions. Includes basic knowledge about clinical reasoning and more in-depth knowledge, illustrated with videos. Helps to understand and to critical appraise the common research designs in healthcare scientific literature.
DOCUMENT
Het RAAK-mkb onderzoeksproject 'Praktische Predictie: de ontwikkeling van een Clinical Decision Support Tool voor fysiotherapie bij de lage rugpijn' heeft zich gericht op het ontdekken van de persoonskenmerken (onder meer ernst en type van rugpijn, manier waarop iemand hiermee omgaat, verdere gezondheid, en herstelverwachting van patiënt) die het beloop van beginnende rugklachten voorspellen. Aan de hand van deze kenmerken is een algoritme gemaakt voor het voorspellen van een vertraagd herstel. Dit algoritme, ontwikkeld met machine learning technieken, is vervolgens verwerkt in een screening tool waarin een voorspelling gegeven en, op een inzichtelijke manier aan de patiënt, gepresenteerd kan worden. Het gebruik en toepassing van de tool in de dagelijkse praktijk is nog niet zo eenvoudig. Het vereist kennis van diagnostische en prognostische onderzoeksmethoden, kennis over hoe de uitkomsten te vertalen zijn naar de klinische praktijk en dus naar de individuele patiënt, en het vereist communicatievaardigheden om de uitkomsten van de tool met de patiënt te bespreken om te komen tot gezamenlijke besluitvorming ('shared decision making'). Om de praktiserende fysiotherapeut of de student fysiotherapie hiervoor toe te rusten wordt uitgaande van de ontwikkelde tool een zelfstandig te doorlopen online onderwijsmodule ontwikkeld over diagnostisch en prognostisch onderzoek, ‘Clinical Decision Support Tools’, en gedeelde besluitvorming in relatie tot ‘Clinical Decision Support Tools’. De onderwijsmodule zal bestaan uit opdrachten en quizzen (met directe feedback), en kennisclips. De onderwijsmodule wordt verspreid onder de projectpartners van het 'Praktische Predictie' project en geïmplementeerd in de bachelor en masteropleidingen fysiotherapie van de Hogeschool van Arnhem en Nijmegen en Saxion Hogeschool. De online onderwijsmodule zal tevens beschikbaar worden gesteld op bestaande online platformen voor fysiotherapieonderwijs. Daarnaast zullen er werkvormen ontwikkeld worden om de onderwijsmodule in het onderwijs te gebruiken.
