Virtual integration of patient education in radiotherapy (VIPER)
Notice bibliographique
Résumé
Purpose: Pre-radiotherapy patient education led by Radiation Therapists (RTT) has been shown to improve patients' distress and overall experiences. In an effort to offer a remote delivery method while allowing for visual learning and face-to-face communication, this pilot project evaluated the feasibility and acceptability of using virtual videoconferencing for patient education. Methods: This prospective pilot study integrated virtual patient education into standard care. This workflow consisted of a one-on-one, 45-minute tele-education session with an RTT on the day prior to CT-simulation. For this study, patients were offered the option to complete the session using web-based videoconferencing if they had the capability for it. Feasibility was evaluated as the proportion of patients who agreed to and completed virtual education. To evaluate acceptability, patients and RTTs were then emailed post-intervention surveys evaluating their satisfaction with virtual patient education. Results: Over three months 106 of 139 patients (76%) approached consented to virtual education. The median (range) age was 65 (27-93), 69% were male and most had genitourinary (38%) or head-and-neck (29%) cancers. Ninety patients (85%) completed virtual education as planned, with incompletions due to scheduling (8) or patient technical issues (7), or treatment cancellation (1). Sixty-eight patients completed surveys, with the vast majority agreeing virtual education was clear (94%) and helped them prepare (100%), they were comfortable with the technology (96%) and they were satisfied overall (99%). Twelve RTTs responded, suggesting overall that virtual education was higher quality though less feasible than tele-education, and comparable to in-person education. Conclusion: Offering individual, RTT-led virtual education using videoconferencing to patients pre-radiotherapy was feasible and acceptable in this pilot study, and is therefore being recommended as an option for all our patients. Future work will directly compare the effectiveness of in-person versus virtual education, and incorporate individual patient needs and preferences.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».