Perceived benefits of and barriers to psychosocial risk screening in pediatric oncology by health care providers
Notice bibliographique
Résumé
BACKGROUND: Although systematic psychosocial screening has been established as a standard of psychosocial care in pediatric oncology, this is not yet widely implemented in clinical practice. Limited information is available regarding the reasons behind this. In this study, we investigated perceptions of psychosocial screening by health care providers (HCPs) involved in pediatric cancer care. METHODS: Using purposeful sampling, 26 HCPs (11 oncologists, 8 nurses, and 7 social workers) from a large North American pediatric cancer center participated in semistructured interviews. Interviews were recorded and transcribed verbatim. Themes were then derived using content analysis. RESULTS: The themes were organized into perceived benefits of and barriers to psychosocial risk screening, and practical issues regarding implementation. Perceived benefits of screening included obtaining concise documentation of family psychosocial risk, identifying psychosocial factors important to medical treatment, starting a conversation, and triaging patients to psychosocial services. Barriers included perceived limited institutional support, commitment, and resources for psychosocial services, limited knowledge and appreciation of existing evidence-based validated tools, concerns about diverse family cultural backgrounds regarding psychosocial issues and language proficiency, and HCPs' personal values regarding psychosocial screening. Finally, practical issues of implementation including training in psychosocial risk screening, when and how to screen were discussed. CONCLUSIONS: These findings highlight the importance of addressing HCPs' perceptions of benefits, barriers, and practical issues regarding implementing psychosocial risk screening.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».