Notice bibliographique
Résumé
BACKGROUND: "Unnecessary use of health services" refers to care that does not add value for patients and can lead to physical, emotional, and economical harm. High rates of overuse have been reported within oncology, and patients experience its consequences. OBJECTIVE: The aim of this study was to explore perceptions and experiences of oncology nurses regarding unnecessary use of oncology services. METHODS: In-depth, semistructured interviews were conducted with a convenience sample of 20 oncology nurses currently practicing in Israel. Interviews were recorded, transcribed, and analyzed thematically. RESULTS: Themes included perceptions of unnecessary use of health services in cancer (causes and effects of unnecessary use, current and proposed solutions) and negative effects of unnecessary cancer care on patients, families, providers, and the system, including decreased quality of life, increased suffering, and emotional effects on patients and families. Causes were seen on provider, family, and patient levels, such as difficulty for providers to "give up," lack of registered nurses' authority, and family and patient demands. Multidisciplinary care provision, nurses' role, and the patient-provider relationship were seen as existing facilitators minimizing unnecessary use. Future improvement can be achieved by strengthening relationships, providing support to healthcare providers, and improving communication. CONCLUSIONS: Nurses perceive unnecessary use of health services as a result of multiple, interlinked and complex causes, but few targeted interventions exist. Future research should explore quantifying unnecessary use to determine an accurate representation of the issue. IMPLICATIONS FOR PRACTICE: Solutions should include engaging patients and families, involving nurses, and fostering multidisciplinary collaborative teamwork to positively affect care and treatment decision-making processes.
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 | 0,001 | 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 | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».