Assessing Patient Perspectives on Receiving Bad News: A Survey of 1337 Patients With Life-Changing Diagnoses
Notice bibliographique
Résumé
BACKGROUND: Guidelines for breaking bad news are largely directed at and validated in oncology patients, based on expert opinion, and neglect those with other diagnoses. We sought to determine whether existing guidelines for breaking bad news, particularly SPIKES, are consistent with patient preferences across patient populations. METHODS: Patients from an online community responded to 5 open-ended and 11 Likert-scale questions identifying their preferences in having bad news delivered. Patient participants received a diagnosis of cancer, lupus, amyotrophic lateral sclerosis, multiple sclerosis, HIV/AIDS, or Parkinson's disease. Additionally, we surveyed all 14 English-curriculum Canadian medical schools regarding resources used to teach breaking bad news. RESULTS: Ten of 12 responding schools used the SPIKES model. Preferences of 1337 patients were consistent with the recommendations of SPIKES. There was one exception: Most patients disagree that empathetic physical touch is important and some described apprehension. Responses were consistent across disease states. Content analysis of 220 open-ended patient responses revealed 16 patient-important themes. Themes were largely addressed by the SPIKES guidelines, but five were not: ensuring timely follow-up is planned; offering informational sheets about the diagnosis; offering contact information of support organizations, with some patients preferring patient support groups while others preferring counselors; and conveying a sense of determination to aid the patient through the diagnosis. The four most patient-important components of SPIKES were physicians conveying empathy, taking their time, explaining the diagnosis and its implications, and asking the patient if they understand. CONCLUSION: SPIKES is the most commonly taught framework for breaking bad news in Canadian medical schools. This is the first work to demonstrate that the existing guidelines in breaking bad news such as SPIKES largely reflect the perspectives of many patient groups, as assessed by quantitative and qualitative measures. We highlight the most important components of SPIKES to patients and identify five additional suggestions to aid clinicians in breaking bad news.
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 | 0,014 |
| 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) | 0,003 | 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 ».