Patient Communication Preferences for Prostate Cancer Screening Discussions: A Scoping Review
Notice bibliographique
Résumé
PURPOSE: Prostate cancer screening guidelines have changed as new evidence showing an equivocal mortality benefit led many organizations to relax recommendations for this screening and instead suggest shared decision making. Presently, it is unknown how successfully these conversations happen. Our objective was to understand men's communication preferences when they discuss prostate cancer screening. METHODS: In this scoping review, we searched 4 electronic databases (Medline, Embase, PsycINFO, and CINAHL) and the gray literature. Additional studies were obtained from reference lists of included studies and relevant review articles. We included qualitative studies reporting patient perspectives relevant to the research question and published in English. Two independent researchers screened titles and abstracts based on these criteria, conducted a full-text review for final inclusion, evaluated the remaining articles for validity, extracted data, and used thematic analysis to build a thematic framework. A subgroup analysis was performed for Black men as many studies elicited their perspectives. RESULTS: Analyses were based on 29 studies. We identified 4 main themes that men described as critical for successful prostate cancer screening risk discussions with their primary care clinician: using everyday language, receiving a sufficient quantity of information, spending enough time, and having a trusting and respectful relationship. Three additional themes emerged that prohibited men from having any discussions at all: having already decided to pursue prostate cancer screening, being passive in medical encounters, and perceiving threat to one's well-being. Black men faced racism, which impacted medical interactions. CONCLUSIONS: Our findings point to strategies to support men's communication preferences and address preconceptions surrounding prostate cancer screening. More studies are needed in certain underrepresented populations given the propensity for disparity in health outcomes.
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 | 0,025 | 0,139 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,013 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; 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 ».