Satisfaction with Care among Low-Income Women with Breast Cancer
Notice bibliographique
Résumé
BACKGROUND: Patient satisfaction is an important outcome measure in determining quality of care. There are few data evaluating patient satisfaction in nonwhite, low-income populations. The objective of this study was to identify the structure, process, and outcome factors that impact patient satisfaction with care in a low-income population of women with breast cancer. METHODS: In a cross-sectional survey of low-income women newly diagnosed with breast cancer, eligible women enrolled in the California Breast and Cervical Cancer Treatment Program (BCCTP) from February 2003 through September 2005 were interviewed by phone 6 months after their enrollment. This was a population-based sample of women aged >or=18 years (n = 924) with a definitive diagnosis of breast cancer and enrolled in the BCCTP. The main outcome measure was satisfaction with care received. RESULTS: Random effects logistic regression revealed that less acculturated Latinas were more likely (odds ratio, [OR] = 5.36, p < 0.000) to be extremely satisfied with their care compared with non-Hispanic white women. Women who believed they could have been diagnosed sooner were less likely to be extremely satisfied (OR = 0.61, p < 0.000). Women who had received or were receiving radiotherapy or chemotherapy had nearly twice the odds of being extremely satisfied (OR = 2.02, p < 0.000, and OR = 2.13, p < 0.000, respectively). Greater information giving was associated with greater satisfaction (OR = 1.17, p < 0.000). Women reporting greater physician emotional support were more likely to report being extremely satisfied (OR = 1.26, p < 0.000). A higher participatory treatment decision-making score was associated with greater satisfaction (OR = 1.78, p < 0.000). CONCLUSIONS: In a low-income population, satisfaction is also reported at high levels. In addition to age, ethnicity/acculturation, receipt of chemotherapy and radiotherapy, physician emotional support, and collaborative decision making, perception of diagnostic delay is a predictor of dissatisfaction in this population.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».