MétaCan
Menu
Retour à la cohorte
Enregistrement W4226154649 · doi:10.1177/23743735221092633

Using the Delphi Method to Elucidate Patient and Caregiver Experiences of Cancer Care

2022· article· en· W4226154649 sur OpenAlexafffund
Janet Ellis, Miriam von Mücke Similon, Melissa B. Korman, Sophia den Otter-Moore, Alva Murray, Kevin Higgins, Danny Enepekides, Marlene C. Jacobson

Notice bibliographique

RevueJournal of Patient Experience · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensHealth Sciences CentreSunnybrook HospitalUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesInstitute of Cancer ResearchSunnybrook Research Institute
Mots-clésFocus groupDelphi methodPsychologyDelphiMedicineNursingSalient

Résumé

récupéré en direct d'OpenAlex

Objective: Identify the most salient elements of the head and neck cancer (HNC) care experience described by patients and caregivers in focus group interviews. Methods: Three focus groups of patients and caregivers were facilitated by research assistants and clinicians. Open-ended guiding questions captured/elicited aspects of care that were appreciated, warranted improvement, or enhanced communication and information. A four-step Delphi process derived consensus among focus group facilitators (n = 5) regarding salient discussion points from focus group conversations. Results: Seven salient themes were identified: (1) information provision, (2) burden related to symptoms and treatment side effects, (3) importance of social support, (4) quality of care at both hospital and provider levels, (5) caring for the person, not just treating cancer, (6) social and emotional impact of HNC, and (7) stigma and insufficient information regarding human papillomavirus-related HNC. Conclusion: Participants reported varying needs and support preferences, a desire for individualized communication, and to feel cared for as both a person and a patient. Findings illuminate the intricate details underlying high-quality, compassionate, person-centered HNC cancer care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,015
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,228
Tête enseignante GPT0,503
Écart entre enseignants0,275 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Patient ExperienceMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207