Overcoming Barriers to Cancer-Helpline Professionals Providing Decision Support for Callers: An Implementation Study
Notice bibliographique
Résumé
PURPOSE/OBJECTIVES: To evaluate the effect of an intervention on healthcare professionals' perceptions of barriers influencing their provision of decision support for callers facing cancer-related decisions. DESIGN: A pre- and post-test study guided by the Ottawa Model of Research Use. SETTING: Australian statewide cancer call center that provides public access to information and supportive cancer services. SAMPLE: 34 nurses, psychologists, and other allied healthcare professionals at the cancer call center. METHODS: Participants completed baseline measures and, subsequently, were exposed to an intervention that included a decision support tutorial, coaching protocol, and skill-building workshop. Strategies were implemented to address organizational barriers. MAIN RESEARCH VARIABLES: Perceived barriers and facilitators influencing provision of decision support, decision support knowledge, quality of decision support provided to standardized callers, and call length. FINDINGS: Postintervention participants felt more prepared, confident in providing decision support, and aware of decision support resources. They had a stronger belief that providing decision support was within their role. Participants significantly improved their knowledge and provided higher-quality decision support to standardized callers without changing call length. CONCLUSIONS: The implementation intervention overcame several identified barriers that influenced call center professionals when providing decision support. IMPLICATIONS FOR NURSING: Nurses and other helpline professionals have the potential to provide decision support designed to help callers understand cancer information, clarify their values associated with their options, and reduce decisional conflict. However, they require targeted education and organizational interventions to reduce their perceived barriers to providing decision support.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».