Improving Access to Cancer Guidelines: Feedback from Health Care Professionals
Notice bibliographique
Résumé
PURPOSE: We examined access to locally developed and other available clinical practice guidelines (cpgs) for the management of cancer and evaluated how to improve uptake. METHODS: A 12-question online survey was administered to 772 members of 12 multidisciplinary tumour teams in a Canadian provincial oncology program. The teams are composed of physicians, surgeons, nurses, allied health professionals, and researchers involved in the provision of cancer care across the province. Many of these individuals construct or provide input into the provincial cpgs. The questionnaires were administered online and were completed voluntarily. RESULTS: Responses were received from 232 individuals, a response rate of 30.1%. Most respondents (75.1%) indicated they actively referenced cpgs for cancer treatment. Of the 177 respondents who identified barriers to cpg access, 24.9% said that the cause was being too busy; 24.3% and 22.6% cited the user-unfriendliness of the Web site and a lack of awareness about the cpgs. When asked about innovative changes that could be made to improve access, the creation of cpg summary documents was identified as the most effective change (46.3%). The creation of summary documents was ranked highest by physicians, surgeons, and nurses. CONCLUSIONS: Clinical practice guidelines are important tools for standardizing treatment protocols and improving outcomes in health care systems, but support for their use is variable among health care professionals. We have identified barriers to-and potential mitigating strategies for-more widespread access to cpgs by the various health professions involved in cancer care. Local creation of succinct and easily accessible cpgs was identified as the single most effective way to enhance access by health care professionals.
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 | 0,007 |
| 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 | 0,000 |
| 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 ».