Patient-Centered Approach to Develop the Patient’s Preferences for Prostate Cancer Care (PreProCare) Tool
Notice bibliographique
Résumé
Objectives. To describe the development of our Patient Preferences for Prostate Cancer Care (PreProCare) tool to aid patient-centered treatment decision among localized prostate cancer patients. Methods. We incorporated patient and provider experiences to develop a patient preference elicitation tool using adaptive conjoint analysis. Our patient-centered approach used systematic literature review, semistructured patient interviews, and provider focus groups to determine the treatment attributes most important for decision making. The resulting computer-based PreProCare tool was pilot tested in a clinical setting. Results. A systematic review of 56 articles published between 1995 and 2015 yielded survival, cancer recurrence, side effects, and complications as attributes of treatment options. We conducted one-on-one interviews with 50 prostate cancer survivors and 5 focus groups of providers. Patients reported anxiety, depression, treatment specifics, and caregiver burden as important for decision making. Providers identified clinical characteristics as important attribute. Input from stakeholders’ advisory group, physicians, and researchers helped finalize 15 attributes for our PreProCare preference assessment tool. Conclusion. The PreProCare tool was developed using a patient-centered approach and may be a feasible and acceptable preference clarification intervention for localized prostate cancer patients. The PreProCare tool may translate into higher participant engagement and self-efficacy, consistent with patients’ personal values.
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 | 0,046 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».