Development of a One-On-One Complementary Medicine (CAM) Decision Support Coaching Intervention for Cancer Patient and Families
Notice bibliographique
Résumé
Background: Up to 80% of cancer patients use complementary medicine (CAM), yet most do not receive adequate decision support from health professionals to safely integrate CAM into their cancer treatment plan. This gap in care leads to concerns about safety when combining CAM with cancer treatments, and possible missed benefits from CAM therapies for which positive evidence exists. Purpose: This presentation outlines the development and pilot testing of a nurse-led intervention to address this gap in care. The one-on-one CAM decision support coaching intervention (CAM DSCI) offers cancer patients with complex CAM decision support needs (e.g. multiple CAM therapy use, high distress levels, considering conventional treatment delays) a structured approach to accessing and contextualizing evidence-informed CAM information to their unique clinical and personal situation. Methods: Using a convenience sample and mixed methods approach, the pilot study evaluated a) participants’ CAM decision support needs, b) how the CAM DSCI affects select patient outcomes, and c) CAM DSCI feasibility (time, resources, expertise). Findings: All participants (N=20) demonstrated improvements post CAM DSCI in CAM knowledge, decision quality, and decisional regret and described reduced anxiety and confusion when making CAM decisions. A range of CAM decision support needs were identified and feasibility of the intervention for the practice setting was established, including development of a practice-ready CAM assessment and decision support tool for health professionals. Implications: The pilot study offers preliminary support for feasibility and effectiveness of the CAM DSCI to meet complex patient CAM decision support needs. This intervention also highlights an innovative role for nurses in the growing field of CAM/Integrative Medicine.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».