Complementary and Alternative Medicine Online Learning Intervention for Oncology Healthcare Providers: A Mixed-Methods Study
Notice bibliographique
Résumé
INTRODUCTION: With the increased usage of complementary approaches in oncology comes the need for its integration into healthcare professional (HCP) education. The purpose of this single-arm, mixed-methods study was to examine the feasibility and benefits of a brief complementary and alternative medicine (CAM) learning intervention for improving HCP knowledge, attitudes, and practices regarding CAM use in cancer care, and explore the experiences of participating HCPs. METHODS: HCPs from the Tom Baker Cancer Centre in Alberta, Canada, were invited to participate in 3 online interactive learning modules that reviewed: (1) basic CAM information, (2) HCP-patient CAM communication, and (3) evidence-based CAM decision support. The study survey consisted of attitude (n = 14), knowledge (n = 31), and practice (n = 31) items, administered at baseline and two-months post-intervention. Semi-structured interviews were conducted with a subset of participants. RESULTS: Approximately 300 HCPs were invited to participate, of which 105 expressed interest in the study (35%), and 83 of them consented to participate (79%). The intervention completion rate was 73% (61/83 HCPs). There was a significant pre-post change in HCPs' attitudes and, to a lesser extent, knowledge and practices related to CAM (8/14 attitude items changed pre-post compared to 13/31 knowledge items and 5/31 practice items), in which more HCPs reported patients should be assisted in making complementary therapy (CT) decisions, exhibited greater knowledge about CAM, and more often engaged in a CAM-related clinical practice. Qualitative findings supported the beneficial effects of the modules, with HCPs describing themselves as being more likely to ask patients about their CAM use and referring them to credible CAM resources. Nonetheless, the majority did not feel adequately prepared to make recommendations about specific CTs, even after the intervention. CONCLUSION: The current study suggests that online CAM learning offers a feasible and potentially promising intervention for improving oncology HCP knowledge, attitudes, and practices regarding CAM, warranting further investigation. This study highlights a need for institutional resources to help HCPs fully integrate CT decision support into cancer patient care. A coordinated evidence-based CAM program at cancer centers may help ensure that all patients' CAM-related needs are properly attended to.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».