Delivering Breast Reconstruction Information to Patients: Women Report on Preferred Information Delivery Styles and Options
Notice bibliographique
Résumé
PURPOSE: To discover missed opportunities for providing information to women undergoing breast reconstruction in an effort to decrease regret and improve patient education, teaching modalities, and satisfaction. METHOD: Thirty- to 45-minute semi-structured interviews were conducted exploring patient experiences with information provision on breast reconstruction. Purposeful sampling was used to include women with a variety of reconstruction types at different time points along their recovery. Using grounded theory methodology, 2 independent reviewers analyzed the transcripts and generated thematic codes based on patient responses. BREAST-Q scores were also collected to compare satisfaction scores with qualitative responses. RESULTS: Patients were interested in a wide variety of topics related to breast reconstruction including the pros and cons of different options, nipple-sparing mastectomies, immediate breast reconstruction, oncological safety/monitoring and the impact of chemotherapy and radiotherapy, secondary procedures (balancing, nipple reconstruction), post-operative recovery, and long-term expectations. Patients valued accessing information from multiple sources, seeing numerous photographs, being guided to reliable information online, and having access to a frequently asked questions file or document. Information delivery via interaction with medical personnel and previously reconstructed patients was most appreciated. Compared with BREAST-Q scores for satisfaction with the plastic surgeon (mean: 95.7, range: 60-100), informational satisfaction scores were lower at 74.7 (50-100), confirming the informational gaps expressed by interviewees. CONCLUSIONS: Women having recently undergone breast reconstruction reported key deficiencies in information provided prior to surgery and identified preferred information delivery options. Addressing women's educational needs is important to achieve appropriate expectations and improve satisfaction.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».