Patient-Centered Approach to Develop the Patient’s Preferences for Prostate Cancer Care (PreProCare) Tool
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle