Easier Said Than Done: Keys to Successful Implementation of the Distress Assessment and Response Tool (DART) Program
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Systematic screening for distress in oncology clinics has gained increasing acceptance as a means to improve cancer care, but its implementation poses enormous challenges. We describe the development and implementation of the Distress Assessment and Response Tool (DART) program in a large urban comprehensive cancer center. METHOD: DART is an electronic screening tool used to detect physical and emotional distress and practical concerns and is linked to triaged interprofessional collaborative care pathways. The implementation of DART depended on clinician education, technological innovation, transparent communication, and an evaluation framework based on principles of change management and quality improvement. RESULTS: There have been 364,378 DART surveys completed since 2010, with a sustained screening rate of > 70% for the past 3 years. High staff satisfaction, increased perception of teamwork, greater clinical attention to the psychosocial needs of patients, patient-clinician communication, and patient satisfaction with care were demonstrated without a resultant increase in referrals to specialized psychosocial services. DART is now a standard of care for all patients attending the cancer center and a quality performance indicator for the organization. CONCLUSION: Key factors in the success of DART implementation were the adoption of a programmatic approach, strong institutional commitment, and a primary focus on clinic-based response. We have demonstrated that large-scale routine screening for distress in a cancer center is achievable and has the potential to enhance the cancer care experience for both patients and staff.
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.
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 | 0,001 |
| 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 | 0,000 | 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 découle