“Part of the Conversation”: A Qualitative Study of Oncology Healthcare Professionals’ Experiences of Integrating Standardized Assessment and Documentation of Complementary Medicine
Notice bibliographique
Résumé
INTRODUCTION: The use of complementary medicine (CM) among individuals with cancer is common, however, it is infrequently assessed or documented by oncology healthcare professionals (HCPs). A study implementing standardized assessment and documentation of CM was conducted at a provincial cancer agency. The purpose of this study was to understand the perspectives and experience of oncology HCPs who took part in the study, as well as withdrew, regarding the feasibility and the challenges associated with assessment and documentation of CM use. METHODS: An interpretive descriptive study methodology was used. A total of 20 HCPs who participated, managed staff, or withdrew from the study were interviewed. Interviews were recorded and transcribed verbatim. Thematic, inductive analysis was used to code and analyse themes from the data. RESULTS: Oncology HCPs who participated in the study felt that CM use was common among patients and recognized it went underreported and was poorly documented. Facilitating factors for the implementation of standardized assessment and documentation of CM use included having a standard assessment form, embedding assessment within existing screening processes, and leveraging self-report by patients. Barriers included limited time, perceived lack of knowledge regarding CM, hesitancy to engage patients in discussion about CM, and lack of institutional support and resources. Recommendations for future implementation included having explicit policies related to addressing CM at point-of-care, leveraging existing electronic patient reporting systems, including the electronic health record, and developing information resources and training for HCPs. CONCLUSIONS: With the high prevalence of CM use among individuals with cancer, oncology HCPs perceive addressing CM use to be feasible and an essential part of high-quality, person-centered cancer care. Institutional and professional challenges, however, must be overcome to support the assessment, documentation and discussion of CM in patient-HCP consultations.
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 | 0,000 |
| 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 | 0,001 |
| 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) | 0,002 | 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 ».