Patient-Centered Care for Women: Delphi Consensus on Evidence-Derived Recommendations
Notice bibliographique
Résumé
OBJECTIVE: Patient-centered care (PCC) could reduce gender inequities in quality of care. Little is known about how to implement patient-centered care for women (PCCW). We aimed to generate consensus recommendations for achieving PCCW. METHODS: We used a 2-round Delphi technique. Panelists included 21 women of varied age, ethnicity, education, and urban/rural residence; and 21 health professionals with PCC or women's health expertise. Panelists rated recommendations, derived from prior research and organized by a 6-domain PCC framework, on a 7-point Likert scale in an online survey. We used summary statistics to report response frequencies and defined consensus as when ≥85% panelists chose 5 to 7. RESULTS: The response rate was 100%. In round 1, women and professionals retained 46 (97.9%) and 42 (89.4%) of 47 initial recommendations, respectively. The round 2 survey included 6 recommendations for women and 5 recommendations for professionals (did not achieve consensus in round 1 or were newly suggested). In round 2, women retained 2 of 6 recommendations and professionals retained 3 of 5 recommendations. Overall, 49 recommendations were generated. Both groups agreed on 44 (94.0%) recommendations (13 retained by 100% of both women and clinicians): fostering patient-physician relationship (n = 11), exchanging information (n = 10), responding to emotions (n = 4), managing uncertainty (n = 5), making decisions (n = 8), and enabling patient self-management (n = 6). CONCLUSION: The recommendations represent the range of PCC domains, are based on evidence from primary research, and reflect high concordance between women and professional panelists. They can inform the development of policies, guidelines, programs, and performance measures that foster PCCW.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».