Acceptability of a Serious Illness Conversation Guide to Black Americans: Results from a focus group and oncology pilot study
Notice bibliographique
Résumé
OBJECTIVES: Serious illness conversations (SICs) can improve the experience and well-being of patients with advanced cancer. A structured Serious Illness Conversation Guide (SICG) has been shown to improve oncology patient outcomes but was developed and tested in a predominantly White population. To help address disparities in advanced cancer care, we aimed to assess the acceptability of the SICG among African Americans with advanced cancer and their clinicians. METHODS: A two-phase study conducted in Charleston, SC, included focus groups to gather perspectives on the SICG in Black Americans and a single-arm pilot study of a revised SICG with surveys and qualitative exit interviews to evaluate patient and clinician perspectives. We used descriptive analysis of survey results and thematic analysis of qualitative data. RESULTS: = 23) reported that SICG-guided conversations were acceptable, helpful, and promoted conversations with loved ones. Oncologists found conversations feasible to implement and skill-building, and also identified opportunities for training and implementation that could support meeting the needs of their patients with low health literacy. An adapted SICG includes language to assess the strength and affirm the clinician-patient relationship. SIGNIFICANCE OF RESULTS: An adapted structured communication tool to facilitate SIC, the SICG, appears acceptable to Black Americans with advanced cancer and seems feasible for use by oncology clinicians working with this population. Further testing in other marginalized populations may address disparities in advanced 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 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 | 0,000 | 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 | 0,000 |
| 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) | 0,001 | 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 ».