Physicians' Awareness and Attitudes Toward Decision Aids for Patients With Cancer
Notice bibliographique
Résumé
PURPOSE: Patient decision aids are interventions designed to help patients make deliberative choices about their treatment options and have been shown to significantly improve patient outcomes. Although considered optimal, decision aids are not widely used in clinical practice for cancer treatment. The objectives of this study are to determine physicians' awareness and use of decision aids, physicians' perceptions of the major barriers to the use of decision aids, and physician characteristics predictive of use of decision aids in clinical practice. METHODS: A population-based survey was mailed to general surgeons, medical oncologists, and radiation oncologists. RESULTS: The survey was mailed to 878 physicians, and the overall response rate to the survey was 64.5%. The majority of the participants were male and working in community hospitals for more than 10 years. Overall, 69% of the respondents were aware of decision aids, and 46% were aware of decision aids relevant to their practice. However, only 24% were currently using decision aids. The main barriers to the use of decision aids were reported as lack of awareness, lack of resources, and lack of time. Multivariate analysis showed specialty to be the only physician characteristic influencing the use of decision aids. CONCLUSION: Approximately one third of physicians treating cancer patients are not aware of what decision aids are, and only 24% are currently using decision aids in clinical practice. Strategies to increase physician awareness about decision aids and to implement these tools into clinical practice are important.
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 | 0,002 | 0,006 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».