Adopting Patient-Centred Tools in Cancer Care: Role of Evidence and Other Factors
Notice bibliographique
Résumé
Background: Randomized controlled trials (rcts) provide limited evidence to support the use of survivorship care plans (scps), but they provide strong evidence for patient decision aids (ptdas). Despite that evidence, the uptake of ptdas has been limited, but scps are being endorsed and implemented in many cancer programs across Canada. The objective of the present study was to illuminate the decision-making processes involved in the adoption of scps and ptdas. Methods: = 21). Data were collected and analyzed concurrently, using a constant comparative analysis approach. Data collection ended when theoretical saturation was reached. Results: For these types of patient-centred tools, participants noted that high-quality research evidence is often unnecessary for adoption decisions. Six key factors contribute to adoption or non-adoption decisions for scps and ptdas:■ Alignment of research evidence with other evidence■ Perceived clinician benefit■ Endorsement by organizations and professional bodies■ Existence of local champions■ Adaptability to local contexts■ Ability to routinize and reach a large patient population. Conclusions: High-level evidence is not always the main consideration when adopting new tools into practice. And yet, understanding how clinicians and health system decision-makers decide whether and how to adopt new tools is important to optimizing the use of new tools and practices that are supported by research evidence.
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 | 0,548 | 0,783 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,007 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,019 | 0,015 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».