Culturally and linguistically diverse oncology patients' perspectives of consultation audio‐recordings and question prompt lists
Notice bibliographique
Résumé
OBJECTIVE: Ethnicity and migrant status result in disparities with cancer burden and survival, with communication difficulties cited as the main barrier to access. Our research team tested a communication intervention package comprising consultation audio-recordings (ARs) and question prompt lists (QPLs) for low English-speaking (LES) patients with cancer. This study explored LES patient experiences, preferences, and recommendations regarding the communication package. METHODS: Participants completed a questionnaire and qualitative interview regarding ARs and QPLs. Eligibility criteria comprised aged ≥18 years old; a consultation with an oncologist between June 1, 2015 and April 1, 2016; an Arabic, Cantonese, Greek, or Mandarin professional interpreter booked for that consultation; and randomised to receive the communication intervention. RESULTS: Eighteen patients completed the qualitative interview and 17 completed the questionnaire. Fifteen reported listening to the AR at least once. Participants reported that QPLs and ARs provide support and assistance with remembering and understanding medical information. Both resources were seen as having applicability beyond the oncology setting in regards to improving health service delivery and continuity of care. However, patients felt that individual tailoring of the resources should be considered. Patients also found it useful to share ARs with family. CONCLUSIONS: The LES participants in this study considered the ARs and QPLs useful for most, but not all contexts. Recommendations regarding delivery and use highlight that these resources should be tailored and patient-driven. Further, patients foresaw a range of additional uses for consultation ARs within the broader healthcare context.
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 | 0,005 |
| 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 | 0,001 | 0,001 |
| 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 ».