MétaCan
Menu
← Retour à la cohorte
Enregistrement W3091878497 · doi:10.1200/jco.2020.38.29_suppl.54

Process of the integration of patient advisors in oncology: Patient advisors' views.

2020· article· en· W3091878497 sur OpenAlexafffundabout
Marie‐Pascale Pomey, Marie‐France Vachon, Danielle Charpentier, Marie‐Andrée Côté, Mado Desforges, Karine Bouchard, Cécile Vialaron, Monica Iliescu‐Nelea, Louise Normandin

Notice bibliographique

RevueJournal of Clinical Oncology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensUniversité LavalHôpital Maisonneuve-RosemontCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésGeneral partnershipMedicineHealth careQualitative researchSchedulePresentation (obstetrics)Medical educationHealth professionalsFacilitatorNursingFamily medicinePsychology

Résumé

récupéré en direct d'OpenAlex

54 Background: Since 2017, in Quebec (Canada), a research project is focusing on the feasibility, the processes, and the contribution of integrating patients who have already had cancer experiences (named patient advisors (PA)) in the oncology clinical team. In fact, the trained PA meet patients in health care settings in addition to the other health professionals in order to improve health care and partnership between professionals and patients. This presentation communicates the PA’s perception of their contribution and the factors influencing implementation of these programs in 4 establishments. Methods: Between April and May 2020, semi-structured virtual interviews lasting about 60 minutes were conducted on 12 patient advisors involved since 2017 in the elaboration of these support programs. The interviews were recorded and transcribed completely. The data analysis was done with content analysis using the QDA Miner 5.0 software, applying the qualitative analysis quality standards. Results: First of all, the 12 PAs have reported that the accompaniment of 67 patients have allowed them to share their experiential knowledge not only related to living with the illness but also about healthcare organization and the anticipation of treatments. They also highlighted their capacity to share situations that can be improved by healthcare professionals (example: wait times for exams; patients’ difficulty in understanding their illness, etc). However, they also highlighted 4 factors which limit the implementation: 1) organizational (the unclear and changing nature of the breast cancer consultation schedule, difficulty of access to consultation rooms and unsuitable schedules for the PA’s reality.; 2) leadership (lack of clinicians promoting the intervention; managers’ low involvement; lack of clarity of roles); 3) human (work overload and employee turnover); 4) PA’s status (lack of compensation and of recognition). Also, to optimize their integration, the PA’s suggest to work on a lasting bond of trust with the professionals, the creation of a status recognized by health establishments, the recognition of their role by the clinical team, to give them access to physical spaces, and an openness of the teams to their complementary knowledge. Conclusions: These first results suggest the importance during the implementation of such programs of working proactively with the PAs and the professionals on organization, leadership, resources, and status factors to allow the people dealing with cancer to benefit from experiential knowledge of other patients within their clinical team.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,044
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,005
Communication savante0,0070,004
Science ouverte0,0020,006
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,409
Tête enseignante GPT0,588
Écart entre enseignants0,179 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetClinical practice guidelines implementation→Travaux en français237 207→