Patients’ preferences for communicating a prostate cancer diagnosis and participating in medical decision‐making
Notice bibliographique
Résumé
OBJECTIVES: To assess patients' preferences about how physicians' deliver news of a prostate cancer diagnosis, and patients' preferred participation in medical decision-making, with a secondary objective being to validate the Measure of Patients' Preferences (MPP) scale with these patients. PATIENTS AND METHODS: Eighty-seven men (mean age 62.4 years) referred to an ultrasound/radiology department for their first transrectal ultrasonography (TRUS)-guided biopsy completed the MPP and Control Preferences measures. Patients were asked to identify how they would like to be told about a potential prostate cancer diagnosis by their physician, and what role they would like in making treatment-related decisions with their physicians. RESULTS: Most patients wanted either an active (43%) or collaborative (47%) role in medical decision-making if the TRUS showed prostate cancer. Men rated content items (what and how much information is provided by their physician) as more important than supportive (emotional support during interaction) or facilitative (setting and context variables) items. Men who preferred a collaborative role in the patient-physician interaction wanted significantly (P = 0.04) more content (detailed information on available treatments and the effect of these treatments on their quality of life) than men who had a preference for either an active or passive role in medical decision-making. Demographic characteristics were not indicative of either preferred role in decision-making or communication preferences. The MPP was shown to be reliable. CONCLUSIONS: Men have expectations about how physicians disclose a diagnosis of prostate cancer and how they wish to participate in making treatment decisions. These results underline the importance of identifying patient preferences before embarking on treatment discussions, as the way 'bad news' is disclosed has previously been identified as a predictor of the outcome of the patient-physician interview.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».