Documenting patients’ and providers’ preferences when proposing a randomized controlled trial: a qualitative exploration
Notice bibliographique
Résumé
BACKGROUND: With advances in cancer diagnosis and treatment, women with early-stage breast cancer (ESBC) are living longer, increasing the number of patients receiving post-treatment follow-up care. Best-practice survivorship models recommend transitioning ESBC patients from oncology-provider (OP) care to community-based care. While developing materials for a future randomized controlled trial (RCT) to test the feasibility of a nurse-led Telephone Survivorship Clinic (TSC) for a smooth transition of ESBC survivors to follow-up care, we explored patients' and OPs' reactions to several of our proposed methods. METHODS: We used a qualitative study design with thematic analysis and a two-pronged approach. We interviewed OPs, seeking feedback on ways to recruit their ESBC patients for the trial, and ESBC patients, seeking input on a questionnaire package assessing outcomes and processes in the trial. RESULTS: OPs identified facilitators and barriers and offered suggestions for study design and recruitment process improvement. Facilitators included the novelty and utility of the study and simplicity of methods; barriers included lack of coordination between treating and discharging clinicians, time constraints, language barriers, motivation, and using a paper-based referral letter. OPs suggested using a combination of electronic and paper referral letters and supporting clinicians to help with recruitment. Patient advisors reported satisfaction with the content and length of the assessment package. However, they questioned the relevance of some questions (childhood trauma) while adding questions about trust in physicians and proximity to primary-care providers. CONCLUSIONS: OPs and patient advisors rated our methods for the proposed trial highly for their simplicity and relevance then suggested changes. These findings document processes that could be effective for cancer-patient recruitment in survivorship clinical trials.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,520 | 0,572 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,011 | 0,018 |
| Communication savante | 0,011 | 0,014 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,008 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».