Meaningful engagement of patients and families in a complex trial of advance care planning in primary care
Notice bibliographique
Résumé
Engagement of Patient and Family Advisors (PFAs) is increasingly recommended as best practice in research. During the design and conduct of a large trial of advance care planning (ACP) in primary care, we expanded on the funder’s (Patient-Centered Outcomes Research Institute®) requirement for an engagement plan and sought to develop an innovative approach to fostering and sustaining meaningful engagement of PFAs throughout all phases of the trial. Structures were developed that integrated PFAs into planning and provided the foundation for their ongoing participation. A continuous quality improvement approach became the framework for ongoing engagement. This involved setting goals; collecting data through surveys, interviews, and observations; and using data to inform revisions to the engagement approach. We also tracked PFA activities and ideas and documented how they impacted the trial. This article summarizes our experience and describes the challenges we faced and how we addressed them. We also outline key lessons learned about encouraging participation; approaches to preparation and coaching; fostering equity across PFAs and other roles in the trial team; creating a range of opportunities that match PFA skills, preferences, and expectations; the importance of regular feedback; and the need for training of all trial staff. Our experience demonstrates that successful and impactful engagement is possible but requires consistent commitment and intentional dedication of sufficient resources. Experience Framework This article is associated with the Patient, Family & Community Engagement lens of The Beryl Institute Experience Framework (https://theberylinstitute.org/experience-framework/). Access other PXJ articles related to this lens. Access other resources related to this lens.
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) | 0,000 | 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) | 0,000 | 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 ».