Factors Influencing the Use by Radiation Therapists of Cancer Symptom Guides: A Mixed-Methods Study
Notice bibliographique
Résumé
Background: Radiation therapists play an important role in helping patients to safely manage and triage potentially life-threatening symptoms. The purpose of the present study was to assess factors influencing the use by radiation therapists of evidence-informed symptom practice guides for patients experiencing cancer treatment-related symptoms. Methods: In a mixed-methods descriptive study guided by the Knowledge-to-Action framework, interviews and a barriers survey were conducted. Two independent reviewers conducted a content analysis of interview transcripts. Barriers survey data were analyzed using frequency distributions and univariate descriptive statistics. Open-ended data from the surveys underwent content analysis and were triangulated with interview findings. Results: Of 90 radiation therapists approached, 58 completed the survey (64%), and 14 were interviewed. Of the 98% who reported providing symptom management to patients undergoing radiation treatment, 53% used evidence-informed practice guidelines. Radiation therapists had moderate moral norms (4.6 of 7) and beliefs about the consequences of using costars (pan-Canadian Oncology Symptom Triage and Remote Support) practice guides (4.8), but neutral intention (3.4) and beliefs about their own capabilities (3.9). Environmental barriers included lack of time (2.0), lack of access (2.5), and neutral organizational support (3.0). Radiation therapists identified a need for training (5.5). Common unique barriers to practice guide use were lack of time during radiation treatments, unclear fit with scope of practice, disparate focus on site-specific symptoms, and lack of medication knowledge. Conclusions: The symptom practice guides were perceived by the radiation therapists to benefit patients, enhance their own knowledge of symptom management, and promote consistent practice. Additional work is required to identify the scope of practice of radiation therapists within the interprofessional team.
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 | 0,026 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».