Breaking silence: a survey of barriers to goals of care discussions from the perspective of oncology practitioners
Notice bibliographique
Résumé
BACKGROUND: Cancer is the leading cause of death in the developed world, and yet healthcare practitioners infrequently discuss goals of care (GoC) with hospitalized cancer patients. We sought to identify barriers to GoC discussions from the perspectives of staff oncologists, oncology residents, and oncology nurses. METHODS: This was a single center survey of staff oncologists, oncology residents, and inpatient oncology nurses. Barriers to GoC discussions were assessed on a 7-point Likert scale (1 = extremely unimportant; 7 = extremely important). RESULTS: Between July 2013 and May 2014, of 185 eligible oncology clinicians, 30 staff oncologists, 10 oncology residents, and 28 oncology nurses returned surveys (response rate of 37%). The most important barriers to GoC discussions were patient and family factors. They included family members' difficulty accepting poor prognoses (mean score 5.9, 95% CI [5.7, 6.2]), lack of family agreement in the goals of care (mean score 5.8, 95% CI [5.5, 6.1]), difficulty understanding the limitations of life-sustaining treatments (mean score 5.8, 95% CI [5.6, 6.1]), lack of patients' capacity to make goals of care decisions (mean score 5.7, 95% CI [5.5, 6.0]), and language barriers (mean score 5.7, 95% CI [5.4, 5.9]). Participants viewed system factors and healthcare provider factors as less important barriers. CONCLUSIONS: Oncology practitioners perceive patient and family factors as the most limiting barriers to GoC discussions. Our findings underscore the need for oncology clinicians to be equipped with strong communication skills to help patients and families navigate GoC discussions.
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 | 0,001 |
| 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 | 0,000 | 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) | 0,001 | 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 ».