Advance Care Planning in Cancer: Patient Preferences for Personnel and Timing
Notice bibliographique
Résumé
PURPOSE: Opportunities for advance care planning (ACP) discussions continue to be missed despite the demonstrated benefit of such conversations. This is in part because of a poor understanding of patient preferences. We aimed to determine oncology patients' preferences surrounding ACP with a focus on the choice of which health care providers to have the conversation with and the timing of conversations. METHODS: A cross-sectional 19-question survey of surgical and medical oncology patients in a tertiary care hospital was conducted that assessed knowledge, experience, and preferences surrounding ACP. Quantitative variables were reported with descriptive statistics, and a coding structure was developed to analyze qualitative data. RESULTS: Two hundred patients were surveyed. Only 24% of patients reported previously having ACP discussions with their physicians despite 82.5% reporting a wish to do so. Patients felt that these discussions were a priority for them (to alleviate familial guilt, maintain control, and prevent others' values from guiding end-of-life care), but they reported that previous experiences with ACP had been neither comprehensive nor effective. Most patients (43.5%) preferred to have ACP discussions with their primary care providers (PCPs) compared with 7% preferring their surgeon and 5.5% preferring their oncologist. Trust and familiarity with PCPs arose as the dominant theme underlying this selection. Most patients (94%) preferred to have ACP discussions early, with 45% wishing such a discussion had been initiated before their cancer diagnosis. CONCLUSION: Patients with cancer prefer to have ACP discussions with their PCPs and prefer to do so early in their disease course.
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 | 0,002 |
| 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) | 0,000 | 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 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 ».