The patient needs assessment in cancer care: identifying barriers and facilitators to implementation in the UK and Canada
Notice bibliographique
Résumé
PURPOSE: Personalised information and support can be provided to cancer survivors using a structured approach. Needs assessment tools such as the Holistic Needs Assessment (HNA) in the UK and the Comprehensive Problem and Symptom Screening (COMPASS) questionnaire in Canada are recommended for use in practice; however, they are not widely embedded into practice. The study aimed to determine the extent to which nurses working in cancer care in the UK and Manitoba value NA and identify any barriers and facilitators they experience. METHOD: Oncology nurses involved in the care of cancer patients in the UK (n = 110) and Manitoba (n = 221) were emailed a link to an online survey by lead cancer nurses in the participating institutions. A snowball technique was used to increase participation across the UK resulting in 306 oncology nurses completing the survey in the UK and 116 in Canada. RESULTS: Participants expressed concerns that these assessments were becoming bureaucratic "tick-box exercises" which did not meet patients' needs. Barriers to completion were time, staff shortages, lack of confidence, privacy, and resources. Facilitators were privacy for confidential discussions, training, confidence in knowledge and skills, and referral to resources. CONCLUSION: Many busy oncology nurses completed this survey demonstrating the importance they attach to HNAs and COMPASS. The challenges faced with implementing these assessments into everyday practice require training, time, support services, and an appropriate environment. It is vital that the HNA and COMPASS are conducted at optimum times for patients to fully utilise time and resources.
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 | 0,000 |
| 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 ».