Understanding the complexities of shared decision-making in cancer: a qualitative study of the perspectives of patients undergoing colorectal surgery
Notice bibliographique
Résumé
BACKGROUND: Decisions leading up to surgery are fraught with uncertainty owing to trade-offs between treatment effectiveness and quality of life. Past studies on shared decision-making (SDM) have focused on the physician-patient encounter, with little emphasis on familial and cultural factors. The literature is scarce in surgical oncology, with few studies using qualitative interviews. Our objective was to explore the complexities of SDM within the setting of colorectal cancer (CRC) surgery. METHODS: An interdisciplinary team developed a semistructured questionnaire. Telephone interviews were conducted with CRC patients in the practice of 1 surgical oncologist. Data saturation was achieved and a descriptive thematic analysis was performed. RESULTS: We interviewed 20 patients before achieving data saturation. Three major themes emerged. First, family was considered as a crucial adjunct to the patient-provider dyad. Second, patients identified several facilitators to SDM, including a robust social support system and a competent surgical team. Although language was a perceived barrier, there was no difference in level of involvement in care between patients who spoke English fluently and those who did not. Finally, patients perceived a lack of choice and control in decision-making, thus challenging the very notion of SDM. CONCLUSION: Surgeons must learn to appreciate the role of family as a vital addition to the patient-provider dyad. Family engagement is crucial for CRC patients, particularly those undergoing surgical resection of late-stage disease. Surgeons must be aware of the uniqueness of decision-making in this context to empower patients and families.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».