Peri-Operative Chemotherapy for Bladder Cancer: A Survey of Providers to Determine Barriers and Enablers
Notice bibliographique
Résumé
Background: Utilization of chemotherapy for patients with muscle-invasive bladder cancer (MIBC) is low. In earlier qualitative work we used the Theoretical Domains Framework (TDF) to determine barriers and enablers of chemotherapy use. In this project we aimed to determine the prevalence of these barriers and enablers in Canadian physicians. Methods: Practicing Canadian urologists, medical oncologists (MOs) and radiation oncologists (ROs) participated in a specialty-specific web-based quantitative survey to assess potential barriers and enablers to chemotherapy use. Survey questions were developed that were thematically mapped to TDF domains. Logistic regression was used to identify TDF domains associated with high referral/use of chemotherapy. Results: 110 urologists, 47 MOs and 43 ROs completed the survey; response rates were 20%, 35% and 31% respectively. The mean reported survival gain associated with neoadjuvant chemotherapy (NACT) was 9%, 8%, and 7% for urologists, MOs, and ROs respectively. Among participating urologists, the TDF domains ‘ social and professional role’ (OR = 16.5, 95% CI 4.6–59.2), ‘ social influences’ (OR = 5.7, 95% CI 2.4–13.4) ‘ beliefs about consequences’ (OR = 4.9, 95% CI 1.8–13.3) and ‘ memory, attention and decision-making’ (OR = 0.50, 95% CI 0.27–0.91) were associated with MO referral rates. Among MOs, the TDF domains ‘ behavioural regulation’, ‘ social influences’, and ‘ social and professional role’ were associated with greater use of chemotherapy ( p < 0.05). No TDF domains were associated with RO referral to MO. Conclusions: We have identified several factors associated with referral/use of chemotherapy for MIBC. Optimization of multidisciplinary patient care needs to be considered when designing future interventions to close the gap between evidence and 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 | 0,000 | 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 | 0,000 |
| 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 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 ».