Differences in Lung Cancer Treatment Preferences Among Oncologists, Patients and Family Members: A Semi-Structured Qualitative Study in China
Notice bibliographique
Résumé
BACKGROUND: Cancer treatment decision-making often needs to balance benefits, harms, and costs. This study sought to identify the differences in cancer treatment preference among oncologists, patients and their family members in China. METHODS: A semi-structured face-to-face qualitative interview was conducted among oncologists, patients and their family members recruited in four tertiary hospitals in China. The interview guide was developed based on literature review and expert consultation. Participants were asked to indicate their preferences when making lung cancer treatment decisions. All interviews were audio-taped, transcribed verbatim, and thematic analyzed. The preferences were compared among three groups of participants. RESULTS: A total of 17 participants (5 oncologists, 6 dyads of patients and family members) were interviewed between June and July 2019. Five themes, namely, survival benefit, adverse effect/symptom, treatment process, treatment cost, and the impact on daily life were identified. The oncologists and family members gave highest priority on survival benefit, while the patients are concerned most about treatment cost and quality of life. CONCLUSION: This study reveals different preferences for cancer treatment among oncologists, patients and their family members in China. Education is needed to empower patients and family members and promote share decision-making in this country.
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) | 0,001 | 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 ».