Healthcare Providers’ Perceptions of the Utility of Psychosocial Screening Tools in Childhood Cancer: A Pilot Study
Notice bibliographique
Résumé
PURPOSE/OBJECTIVES: To examine the perceptions of healthcare providers (HCPs) regarding the utility of two psychosocial screening tools designed for pediatric oncology, the Psychosocial Assessment Tool-Revised (PATrev) and the Psychosocial Care Checklist (PCCL). DESIGN: Repeated measures comparative study. SETTING: Four pediatric health centers in Ontario, Canada. SAMPLE: 15 oncologists, 14 nurses, and 8 social workers. METHODS: Using a visual analog scale (VAS), participants were asked to rate how useful they found (a) the psychosocial summary derived from the parent-completed PATrev, used to assess family psychosocial risk, and (b) the HCP-completed PCCL, used to identify family psychosocial needs. Measures were completed soon after diagnosis and six months later. Mann-Whitney U tests were used for analyses. MAIN RESEARCH VARIABLE: VAS scores. FINDINGS: Pediatric oncology HCPs differ in their acceptance of the psychosocial screening tools tested. The highest utility ratings for both instruments were from nurses, and the lowest utility ratings were from social workers; moderate ratings were obtained from oncologists. CONCLUSIONS: Psychosocial screening tools can identify the psychosocial needs of children with cancer and their families throughout the cancer trajectory. Consequently, these tools could foster communication among colleagues (medical and nonmedical) who are caring for children with cancer about the psychosocial needs of this population and the allocation of resources to address those needs. IMPLICATIONS FOR NURSING: Nurses seem to value these tools more than other HCPs, which may have positive implications for their clinical practice.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».